BR112020005415A2

BR112020005415A2 - método de assistência de deslocamento e dispositivo de assistência de deslocamento

Info

Publication number: BR112020005415A2
Application number: BR112020005415-1A
Authority: BR
Inventors: Hwaseon Jang; Machiko Hiramatsu; Takashi Sunda
Original assignee: Nissan Motor Co., Ltd.
Priority date: 2017-09-20
Filing date: 2017-09-20
Publication date: 2020-09-29
Also published as: WO2019058460A1; JPWO2019058460A1; EP3686862A4; MX2020002932A; US20200278685A1; RU2743829C1; EP3686862A1; CN111108539A; CA3076322A1

Abstract

Um método de assistência de deslocamento e um dispositivo de assistência de deslocamento de acordo com a presente invenção identificam um motorista usando características de direção durante a direção manual por um motorista e executa o controle de deslocamento correspondente ao motorista identificado, em um veículo capaz de mudar a direção manual por um motorista e direção autônoma.

Description

“MÉTODO DE ASSISTÊNCIA DE DESLOCAMENTO E DISPOSITIVO DE ASSISTÊNCIA DE DESLOCAMENTO” CAMPO TÉCNICO

[001] A presente invenção refere-se a um método de assistência de deslocamento e um dispositivo de assistência de deslocamento de um veículo.

ANTECEDENTES DA TÉCNICA

[002] A literatura de patente 1 descreve que um histórico de deslocamento para cada motorista no momento em que a direção manual é gerenciada e, no momento da direção autônoma, é provido um estilo de direção adequado para cada indivíduo em relação a uma pluralidade de motoristas.

LISTA DE CITAÇÕES

LITERATURA DE PATENTES Literatura de Patentes 1: Publicação de patente japonesa submetida à inspeção pública nº 2016-216021

RESUMO DA INVENÇÃO PROBLEMA TÉCNICO

[003] No entanto, no exemplo descrito na Literatura de Patente 1, é necessário um sensor para realizar o reconhecimento facial e o reconhecimento de impressões digitais para identificar um motorista que está realizando uma direção no momento da direção manual. Enquanto isso, existe um método para identificar um motorista com base em uma operação de chave pelo motorista sem usar um sensor, conforme descrito acima, para identificar um indivíduo. No entanto, quando o motorista esquece de ligar a chave ou há uma omissão de configuração, o método não pode lidar com a situação.

[004] A presente invenção foi feita tendo em vista esse problema. É um objetivo da presente invenção fornecer um método de assistência de deslocamento e um dispositivo de assistência de deslocamento de um veículo que identifique um motorista sem a necessidade de um sensor para identificar um motorista ou operações redundantes.

SOLUÇÃO PARA O PROBLEMA

[005] Para resolver o problema acima, um método de assistência de deslocamento e um dispositivo de assistência de deslocamento de acordo com um aspecto da presente invenção identificam um motorista usando características de direção durante a direção manual por um motorista e executam o controle de deslocamento correspondente ao motorista identificado.

EFEITOS VANTAJOSOS DA INVENÇÃO

[006] De acordo com a presente invenção, como um motorista pode ser identificado usando características de direção durante a direção manual, pode ser realizada assistência de deslocamento apropriada para o motorista.

BREVE DESCRIÇÃO DOS DESENHOS

[007] A Fig. 1 é um diagrama de blocos que ilustra uma configuração de um sistema de controle de direção incluindo um dispositivo de assistência de deslocamento de acordo com uma modalidade da presente invenção.

[008] A Fig. 2 é um fluxograma que ilustra um procedimento de processo de aprendizado das características de direção pelo dispositivo de assistência de deslocamento de acordo com a modalidade da presente invenção.

[009] A Fig. 3 é um diagrama esquemático que ilustra uma comparação entre um resultado de aprendizado não registrado e um resultado de aprendizado registrado no dispositivo de assistência de deslocamento de acordo com a modalidade da presente invenção.

DESCRIÇÃO DAS MODALIDADES

[010] As modalidades da presente invenção são descritas abaixo com referência aos desenhos anexos.

[Configuração do sistema de controle de direção]

[011] A Fig. 1 é um diagrama de blocos que ilustra uma configuração de um sistema de controle de direção 100 incluindo um dispositivo de assistência de deslocamento 11 de acordo com a presente modalidade. Como ilustrado na Fig. 1, o sistema de controle de direção 100 de acordo com a presente modalidade inclui o dispositivo de assistência de deslocamento 11, uma unidade de detecção de status de deslocamento 21, uma unidade de detecção de status de arredores 22, uma chave de comutação de direção 23, uma unidade de apresentação de estado de controle 61 e um atuador 31.

[012] O dispositivo de assistência de deslocamento 11 é um controlador que aprende características de direção (aprendizado de características de direção) com base em dados de destino de aprendizado predeterminados, de partes de dados de deslocamento adquiridos durante a direção manual por um motorista, em um veículo capaz de alternar entre a direção manual por um motorista e direção autônoma, e executa o processamento para aplicar o resultado de aprendizado ao controle de deslocamento da direção autônoma.

[013] Além disso, na presente modalidade, é descrito um caso em que o dispositivo de assistência de deslocamento 11 é montado em um veículo. No entanto, um dispositivo de comunicação pode ser instalado em um veículo e uma parte do dispositivo de assistência de deslocamento 11 pode ser instalada em um servidor externo para que o servidor externo execute o processamento para aprender as características de direção dos motoristas. Quando o dispositivo de assistência de deslocamento 11 é montado em um veículo, as características de direção de um motorista que possui ou utiliza o veículo podem ser aprendidas. Partes dos dados de destino de aprendizado durante um período predeterminado (por exemplo, o mês mais recente) podem ser armazenadas de modo a serem refletidas na direção autônoma do veículo pertencente ou usado pelo motorista. Por outro lado, quando o dispositivo de assistência de deslocamento 11 é instalado em um servidor externo, uma vez que o aprendizado pode ser realizado usando os dados de destino de aprendizado do próprio motorista por um longo período, um resultado de aprendizado mais estável pode ser calculado. Além disso, quando o aprendizado ainda não foi concluído, utilizando partes dos dados de destino de aprendizado de outros motoristas, as características de direção de um motorista comum na área podem ser refletidas na direção autônoma.

[014] A unidade de detecção de status de deslocamento 21 detecta dados de deslocamento indicando um estado de deslocamento de um veículo, como uma velocidade do veículo e um ângulo de direção, uma taxa de aceleração, uma distância entre veículos de um veículo em andamento, uma velocidade relativa em relação ao veículo em andamento, uma posição atual, um estado do exibição de um indicador de direção, um estado de iluminação de um farol e uma condição operacional dos limpadores. Por exemplo, como a unidade de detecção de status de deslocamento 21, um sensor fornecido em um pedal do freio ou um pedal do acelerador, um sensor que adquire o comportamento de um veículo, como um sensor de roda e um sensor de velocidade angular de guinada, um radar a laser, um câmera, uma rede de bordo do veículo, como uma CAN (Rede de Área de Controlador) que comunica os dados adquiridos a partir de sensores e um dispositivo de navegação.

[015] A unidade de detecção de status de arredores 22 detecta informações ambientais que representam um ambiente em que um veículo está se deslocando, como o número de faixas, um limite de velocidade, um declive da estrada e uma curvatura da estrada de um estrada em que o veículo está se deslocando, um estado de exibição de um semáforo na frente do veículo, uma distância de um cruzamento na frente do veículo, o número de veículos que estão se deslocando na frente do veículo, um percurso esperado em um cruzamento na frente do veículo e a presença de um regulamento de parada temporária. Por exemplo, uma câmera, um radar a laser e um dispositivo de navegação montado em um veículo são incluídos na unidade de detecção de status de arredores 22. O estado de exibição de um semáforo na frente do veículo e a presença de um regulamento de parada temporária podem ser detectados usando a comunicação estrada-veículo. O número de veículos que estão se deslocando na frente do veículo pode ser detectado usando um serviço em nuvem cooperado com a comunicação veículo-veículo e um smartphone. O percurso esperado em um cruzamento na frente do veículo é adquirido a partir do dispositivo de navegação, um estado de exibição do indicador de direção ou similar. Além disso, as condições de iluminação, temperatura e clima ao redor do veículo são adquiridas, respectivamente, a partir de um sensor de iluminação, um sensor de temperatura externo e uma chave do limpador. No entanto, a iluminação pode ser adquirida através de uma chave do farol.

[016] A chave de comutação de direção 23 é uma chave montada em um veículo para alternar entre direção autônoma e direção manual, que é operada por um ocupante do veículo. Por exemplo, é uma chave instalada na direção do veículo.

[017] A unidade de apresentação de estado de controle 61 exibe se o estado de controle atual é a direção manual ou a direção autônoma em uma unidade de display do medidor, uma tela de display do dispositivo de navegação, um display frontal e similares. Além disso, a unidade de apresentação de estado de controle 61 emite um som de notificação informando o início e o fim da direção autônoma e apresenta se o aprendizado das características de direção foi concluído.

[018] O atuador 31 recebe um comando de execução do dispositivo de assistência de deslocamento 11 para acionar as respectivas unidades, como um acelerador, um freio e uma condução do veículo.

[019] Em seguida, são descritas as respectivas unidades que constituem o dispositivo de assistência de deslocamento 11. O dispositivo de assistência de deslocamento 11 inclui uma unidade de armazenamento de dados de destino de aprendizado 41, uma unidade de aprendizado de características de direção 42, uma unidade de identificação de motorista 43 e uma unidade de execução de controle de direção autônoma 45.

[020] A unidade de armazenamento de dados de destino de aprendizado 41 adquire dados de deslocamento relacionados ao estado de deslocamento do veículo e informações ambientais relacionadas ao ambiente de deslocamento ao redor do veículo a partir da unidade de detecção de status de deslocamento 21, da unidade de detecção de status de arredores 22 e a chave de comutação de direção 23 e armazena dados predeterminados de objetivos de aprendizado necessários para aprender as características de direção de um motorista em associação com cenas de deslocamento, como o estado de deslocamento e o ambiente de deslocamento do veículo.

[021] A unidade de armazenamento de dados de destino de aprendizado 41 armazena na mesma os dados de destino de aprendizado predeterminados necessários para aprender as características de direção de um motorista para cada um dos motoristas. Ou seja, a unidade de armazenamento de dados de destino de aprendizado 41 associa os dados de destino de aprendizado com os motoristas, classifica os dados de destino de aprendizado para cada motorista e armazena os dados de destino de aprendizado nos mesmos.

[022] A identificação de um motorista associado aos dados de destino de aprendizado é realizada pela unidade de identificação de motorista 43 descrita mais adiante. Novas entradas de dados de destino de aprendizado para a unidade de armazenamento de dados de destino de aprendizado 41 a partir da unidade de detecção de status de deslocamento 21, a unidade de detecção de status de arredores 22 e a chave de comutação de direção 23 são temporariamente armazenadas na unidade de armazenamento de dados de destino de aprendizado 41 como dados de destino de aprendizado não registrados, durante um período até a identificação de um motorista associado aos dados de destino de aprendizado ser realizada pela unidade de identificação de motorista 43. Além disso, após a identificação de um motorista associado aos dados de destino de aprendizado ter sido realizada pela unidade de identificação de motorista 43, os dados de destino de aprendizado são registrados na unidade de armazenamento de dados de destino de aprendizado 41 como dados de destino de aprendizado correspondentes ao motorista identificado pela unidade de identificação de motorista 43. Como resultado, os dados de destino de aprendizado se tornam dados de destino de aprendizado registrados na unidade de armazenamento de dados de destino de aprendizado 41. Basta que o tempo para identificar o motorista seja o tempo em que o motorista possa ser identificado, como um tempo após dirigir 3 quilômetros, um tempo após dirigir por 10 minutos e um tempo após ter adquirido uma quantidade predeterminada de dados (um tempo depois de ter adquirido uma quantidade predeterminada de dados, como 100 plots ou 1 kilobyte).

[023] A unidade de armazenamento de dados de destino de aprendizado 41 pode armazenar nela um tempo de desaceleração durante a direção manual por um motorista. A unidade de armazenamento de dados de destino de aprendizado 41 pode armazenar nela um tempo de desaceleração em um caso de parada em uma posição de parada, como uma linha de parada definida em um cruzamento ou semelhante, um tempo de desaceleração em um caso de parada atrás de um veículo em andamento sendo parado, ou um tempo de desaceleração no caso de deslocamento seguindo o veículo em andamento. Além disso, a unidade de armazenamento de dados de destino de aprendizado

41 pode armazenar nela o comportamento do veículo no momento da operação do freio, como uma posição de operação do freio, que é uma posição na qual o freio é operado em relação a uma posição de parada, uma distância em relação à posição de parada, uma velocidade do veículo no momento da operação do freio e uma taxa de aceleração.

[024] O "momento de desaceleração" inclui um momento em que o motorista opera o freio (um pedal do freio) e o freio é operado no momento de parar um veículo na posição de parada, um momento em que a desaceleração atua no veículo, um momento em que uma operação do acelerador termina, ou um momento quando uma operação do pedal do freio é iniciada. Alternativamente, o "momento de desaceleração" pode incluir um tempo quando uma quantidade de operação do pedal do freio (quantidade de depressão) por um motorista se torna igual ou maior do que uma quantidade predeterminada previamente definida, ou um momento quando uma quantidade de operação do pedal do acelerador (quantidade de depressão) por um motorista se torna igual ou menor que um valor predeterminado previamente definido. Alternativamente, o "momento de desaceleração" pode incluir um momento em que o motorista opera o freio e uma quantidade de controle no momento em que o freio atinge um determinado valor definido com antecedência, ou um momento em que uma taxa crescente da quantidade de controle no tempo de operação do freio atingiu um certo valor.

[025] Ou seja, um momento em que uma quantidade de controle do freio ou uma taxa crescente da quantidade de controle atingiu um determinado valor, embora não tenha atingido a desaceleração predeterminada pela operação do freio, pode ser definido como o "momento de desaceleração". Ou seja, o “momento de desaceleração" é um conceito que inclui um momento em que o freio é operado (um momento de partida do freio), um momento de desligamento do acelerador (um momento de partida do freio), um momento em que a quantidade de controle do freio atingiu um certo valor e um momento em que a taxa crescente da quantidade de controle do freio atingiu um determinado valor. Em outras palavras, é um momento em que um motorista sente uma operação de freio.

[026] O freio na presente modalidade inclui um freio hidráulico, um freio de controle eletrônico e um freio regenerativo. Também pode incluir um estado de acionamento da desaceleração, mesmo que o freio hidráulico, o freio de controle eletrônico ou o freio regenerativo não esteja sendo operado.

[027] Além disso, a unidade de armazenamento de dados de destino de aprendizado 41 pode armazenar nela uma distância entre veículos entre um veículo e um veículo em andamento durante a direção manual por um motorista. A unidade de armazenamento de dados de destino de aprendizado 41 pode armazenar nela dados diferentes da distância entre veículos, como uma distância entre veículos durante a parada, uma velocidade relativa em relação ao veículo em andamento, um ângulo de direção, uma taxa de desaceleração e um período de duração enquanto segue o veículo em andamento.

[028] Além disso, a unidade de armazenamento de dados de destino de aprendizado 41 pode armazenar nela uma velocidade de início de desaceleração quando um veículo para em um cruzamento, uma distância de frenagem quando um veículo para em um cruzamento e similares. Além disso, a unidade de armazenamento de dados de destino de aprendizado 41 pode armazenar nela partes de dados como uma quantidade de operação do pedal do freio e do pedal do acelerador de um veículo, uma velocidade do veículo e uma taxa de desaceleração e uma distância até uma linha de parada em um cruzamento, durante uma operação de desaceleração.

[029] A unidade de armazenamento de dados de destino de aprendizado

41 pode armazenar nela informações ambientais nas quais um veículo é colocado, além dessas partes de informações. Conforme as informações ambientais, o número de faixas, a curvatura da estrada, o limite de velocidade, o declive da estrada e a presença de um regulamento de parada temporária de uma estrada na qual o veículo está se deslocando, o estado de exibição de um semáforo, a distância do veículo até um cruzamento, é possível mencionar o número de veículos que estão se deslocando na frente do veículo, um display de um indicador de direção, o clima, a temperatura ou a iluminação ao redor do veículo e similares.

[030] A unidade de aprendizado de características de direção 42 lê os dados de destino de aprendizado armazenados na unidade de armazenamento de dados de destino de aprendizado 41 e aprende as características de direção de um motorista correspondente aos dados de destino de aprendizado, levando em consideração o estado de deslocamento e o grau de influência do ambiente de deslocamento. A unidade de aprendizado de características de direção 42 aprende as características de direção de cada um dos dados de destino de aprendizado com base nos dados de destino de aprendizado (dados de destino de aprendizado não registrados e dados de destino de aprendizado registrados) armazenados na unidade de armazenamento de dados de destino de aprendizado 41. A unidade de aprendizado de características de direção 42 associa os resultados de aprendizado calculados desta maneira aos motoristas, classifica os resultados de aprendizado para cada motorista e armazena os resultados de aprendizado na mesma.

[031] A identificação de um motorista associado ao resultado de aprendizado é realizada pela unidade de identificação de motorista 43 descrita mais adiante. O resultado de aprendizado calculado recentemente pela unidade de aprendizado de características de direção 42 é temporariamente armazenado na unidade de aprendizado de características de direção 42 como um resultado de aprendizado não registrado, durante um período até que a unidade de identificação de motorista 43 identifique um motorista a ser associado ao resultado de aprendizado. Além disso, depois que a unidade de identificação de motorista 43 identificou um motorista a ser associado ao resultado de aprendizado, o resultado de aprendizado é registrado na unidade de aprendizado de características de direção 42 como o resultado de aprendizado correspondente ao motorista identificado pela unidade de identificação de motorista 43. Como resultado, o resultado de aprendizado se torna um resultado de aprendizado registrado na unidade de aprendizado de características de direção 42.

[032] O aprendizado realizado pela unidade de aprendizado de características de direção 42 pode ser realizado em tempo real simultaneamente com o armazenamento dos dados de destino de aprendizado na unidade de armazenamento de dados de destino de aprendizado 41. Alternativamente, o aprendizado realizado pela unidade de aprendizado de características de direção 42 pode ser realizado a cada tempo predeterminado ou em um momento em que uma certa quantidade de dados de destino de aprendizado foi acumulada na unidade de armazenamento de dados de destino de aprendizado 41.

[033] A unidade de identificação de motorista 43 identifica um motorista com base em um resultado de aprendizado não registrado armazenado temporariamente na unidade de armazenamento de dados de destino de aprendizado 41. Especificamente, a unidade de identificação de motorista 43 compara o resultado de aprendizado não registrado armazenado na unidade de armazenamento de dados de destino de aprendizado 41 com um resultado de aprendizado registrado.

[034] Como resultado da comparação pela unidade de identificação de motorista 43, quando um resultado de aprendizado registrado com características de direção com uma diferença das características de direção no resultado de aprendizado não registrado estando dentro de um valor predeterminado, foi encontrado, a unidade de identificação de motorista 43 identifica que um motorista correspondente ao resultado de aprendizado não registrado é a mesma pessoa que o motorista no resultado de aprendizado registrado.

[035] Como resultado da comparação pela unidade de identificação do motorista 43, quando um resultado de aprendizado registrado com características de direção com uma diferença das características de direção no resultado de aprendizado não registrado estando dentro de um valor predeterminado não foi encontrado, a unidade de identificação de motorista 43 identifica que um motorista correspondente ao resultado de aprendizado não registrado é um novo motorista (um motorista que não corresponde a nenhum motorista registrado).

[036] Quando um resultado de aprendizado de um novo motorista deve ser registrado na unidade de aprendizado de características de direção 42, uma aprovação com relação ao registro de um motorista pode ser solicitada a um ocupante. Essa solicitação pode ser feita usando um display de bordo do veículo ou usando um viva-voz. Após uma solicitação ao ocupante, a seleção pelo ocupante pode ser recebida por uma entrada de toque no display ou pelo reconhecimento da voz do ocupante pelo microfone.

[037] Quando um resultado de aprendizado de um novo motorista deve ser registrado na unidade de aprendizado de características de direção 42, pode ser solicitado ao ocupante que insira informações que identifiquem um motorista. Essa solicitação pode ser feita usando um display de bordo do veículo ou usando um viva-voz. Após uma solicitação ao ocupante, a seleção pelo ocupante pode ser recebida por uma entrada de toque no display ou pelo reconhecimento da voz do ocupante pelo microfone.

[038] Como resultado da comparação pela unidade de identificação de motorista 43, quando uma pluralidade de resultados de aprendizado registrados com características de direção com uma diferença das características de direção no resultado de aprendizado não registrado estando dentro de um valor predeterminado, foi encontrada, a unidade de identificação de motorista 43 solicita o ocupante para selecionar qualquer um dos motoristas correspondentes aos resultados de aprendizado encontrados. Essa solicitação pode ser feita usando um display de bordo do veículo ou usando um viva-voz. Após uma solicitação ao ocupante, a seleção pelo ocupante pode ser recebida por uma entrada de toque no display ou pelo reconhecimento da voz do ocupante pelo microfone.

[039] A unidade de execução de controle de direção autônoma 45 executa o controle de direção autônoma quando um veículo se desloca em uma seção de direção autônoma ou quando um motorista seleciona a direção autônoma pela chave de comutação de direção 23. Neste momento, a unidade de execução de controle de direção autônoma 45 aplica o resultado de aprendizado adquirido pela unidade de aprendizado de características de direção 42 ao controle de deslocamento de direção autônoma.

[040] O dispositivo de assistência de deslocamento 11 é constituído por um circuito eletrônico de uso geral, incluindo um microcomputador, um microprocessador e uma CPU e dispositivos periféricos, como uma memória. O dispositivo de assistência de deslocamento 11 opera como a unidade de armazenamento de dados de destino de aprendizado 41, a unidade de aprendizado de características de direção 42, a unidade de identificação de motorista 43 e a unidade de execução de controle de direção autônoma 45 descritas acima, executando programas específicos. As respectivas funções do dispositivo de assistência de deslocamento 11 podem ser implementadas por um ou vários circuitos de processamento. O circuito de processamento inclui um dispositivo de processamento programado, como um dispositivo de processamento, incluindo, por exemplo, um circuito elétrico, e também inclui um circuito integrado de aplicação específica (ASIC) disposto para executar as funções descritas na modalidade e um dispositivo como componentes de circuito convencionais.

[Procedimento de processo para o aprendizado de características de direção]

[041] Em seguida, o procedimento de processo para o aprendizado de características de direção pelo dispositivo de assistência de deslocamento 11 de acordo com a presente modalidade é descrito com referência a um fluxograma na Fig. 2. O processamento para o aprendizado de características de direção ilustrado na Fig. 2 é iniciado quando uma ignição de um veículo é ligada.

[042] Como ilustrado na Fig. 2, primeiro na Etapa S101, o dispositivo de assistência de deslocamento 11 determina se um veículo está em um modo de direção manual de acordo com a chave de comutação de direção 23. Quando o veículo está no modo de direção manual, o processo prossegue para a Etapa S103 e, quando o veículo está no modo de direção autônoma, o dispositivo de assistência de deslocamento 11 termina o processamento para o aprendizado de características de direção e executa o controle de direção autônoma.

[043] Na etapa S103, a unidade de armazenamento de dados de destino de aprendizado 41 detecta dados de deslocamento relacionados ao estado de deslocamento do veículo e informações ambientais relacionadas ao ambiente de deslocamento ao redor do veículo a partir da unidade de detecção de status de deslocamento 21, a unidade de detecção de status de arredores 22 e a chave de comutação de direção 23. Como os dados de deslocamento detectados, uma velocidade do veículo, um ângulo de direção, uma taxa de aceleração, uma taxa de desaceleração, uma distância entre veículos de um veículo em andamento, uma velocidade relativa em relação ao veículo em andamento, uma posição atual, um percurso esperado em um cruzamento na frente do veículo, quantidades de operação de um pedal do freio e um pedal do acelerador, um tempo de duração enquanto segue o veículo em andamento, um estado de iluminação de um farol, uma condição operacional de limpadores e similares são detectados. Além disso, a unidade de armazenamento de dados de destino de aprendizado 41 detecta, conforme as informações ambientais, o número de faixas, a curvatura da estrada, o limite de velocidade, o declive da estrada e a presença de um regulamento de parada temporária em uma estrada na qual o veículo está se deslocando, o estado de exibição de um semáforo, a distância do veículo até um cruzamento, o número de veículos que estão se deslocando na frente do veículo, o estado do exibição de um indicador de direção, e o clima, a temperatura ou a iluminação ao redor do veículo. Os novos dados de destino de aprendizado que consistem nos dados de deslocamento e nas informações ambientais são temporariamente armazenados na unidade de armazenamento de dados de destino de aprendizado 41 como dados de destino de aprendizado não registrados.

[044] Em seguida, na Etapa S105, a unidade de aprendizado de características de direção 42 aprende as características de direção do motorista correspondentes aos dados de destino de aprendizado, levando em consideração o estado do deslocamento e o grau de influência do ambiente de deslocamento com base nos dados de destino de aprendizado armazenados na unidade de armazenamento de dados de destino de aprendizado 41. Um resultado de aprendizado adquirido com base nos dados de destino de aprendizado não registrado é temporariamente armazenado na unidade de aprendizado de características de direção 42 como um resultado de aprendizado não registrado.

[045] Aqui, a unidade de aprendizado de características de direção 42 cria um modelo de regressão (um modelo de regressão múltipla) para obter uma equação quantitativamente representando uma relação entre dois ou mais tipos de dados incluídos nos dados de destino de aprendizado e realiza o aprendizado executando uma análise de regressão (uma análise de regressão múltipla).

[046] Como um exemplo específico, um caso em que os dados de uma velocidade do veículo V e uma distância entre veículos D durante uma operação de desaceleração são adquiridos à medida que os dados de destino de aprendizado são considerados. Supõe-se que os resultados da medição de N (V1, D1), (V2, D2), ..., (Vn, Dn) foram adquiridos para um conjunto de dois tipos de dados da velocidade do veículo V e da distância entre veículos D. Nas descrições a seguir, um i-ésimo resultado de medição é anotado como (Vi, Di) (onde i=1, 2, ..., N).

[047] Supõe-se que um modelo linear representado pela seguinte equação (1) seja estabelecido, assumindo que f1: e P2> são coeficientes de regressão, a distância entre veículos D é uma variável explicativa (uma variável independente), a velocidade do veículo V é uma variável objetiva (uma variável dependente, uma variável explicada).

V=B1+B2D (1)

[048] Um termo de erro «i é definido pela seguinte equação (2), supondo que um erro do modelo de regressão no i-ésimo resultado da medição seja «ei.

ei=Vi-(B1+B2Di) (onde i=1, 2, ..., N) ... (2)

[049] Na equação (2), usando um método dos mínimos quadrados no qual uma soma quadrada S (onde S=Ze?, i=1, 2, ..., N) do termo de erro ei é definido como mínimo, usando 1 e B2 como parâmetros, pode ser estimada uma equação quantitativa que representa uma relação entre os resultados da medição de N relacionados ao conjunto de dois tipos de dados da velocidade do veículo V e a distância entre os veículos D. Os parâmetros RB: e B2 quando a soma quadrada S do termo de erro «i é definida ao mínimo são quantidades estimadas dos coeficientes de regressão 1 e B2 que aparecem na equação (1) e são referidos como estimadores de mínimos quadrados L: e L2. Ao decidir os estimadores de mínimos quadrados L1: e L2, uma relação quantitativa entre a velocidade do veículo V e a distância entre veículos D pode ser estimada.

[050] Um E; residual de regressão é definido de acordo com a seguinte equação (3) com base nos estimadores de mínimos quadrados L1: e L2.

Ei=Vi-( L1 + L2Di) (onde i=1,2,..., N) ..(3)

[051] Nos dados de destino de aprendizado a serem submetidos à análise de regressão, quando o número N dos resultados da medição é suficientemente grande, considera-se que o residual da regressão E; segue a distribuição normal (uma média O, um desvio padrão oe) Portanto, o desvio padrão da regressão residual E: é estimado. Nas descrições a seguir, uma estimativa do desvio padrão ce do residual de regressão E; é designada como erro padrão se. O erro padrão se é definido pela seguinte equação (4).

SE=((ZE?2)/(N-2))'2 ... (4)

[052] Aqui, a razão pela qual a soma quadrada (ZE?) da regressão residual E; é dividida por (N-2) na definição do erro padrão se está relacionada ao fato de que existem dois estimadores de mínimos quadrados. Para manter a invariância do erro padrão se, a soma quadrada (ZE?) é dividida por (N-2).

[053] Os estimadores de mínimos quadrados L1: e L2 são funções lineares dos resíduos de regressão Eique são considerados como seguindo a distribuição normal e, portanto, considera-se que o estimador de mínimos quadrados L1: segue a distribuição normal (uma média B1, um desvio padrão o11),

e o estimador de mínimos quadrados L2 segue a distribuição normal (uma média B2, um desvio padrão 012). Portanto, os desvios padrão 011 e 012 dos estimadores de mínimos quadrados L1: e L2 pode ser estimado com base na equação (3) e no erro padrão se. Nas descrições a seguir, uma estimativa do desvio padrão 011 do estimador de mínimos quadrados L: é designada como erro padrão s11 e uma estimativa do desvio padrão o12do estimador de mínimos quadrados L2 é designado como erro padrão s.2.

[054] A unidade de aprendizado de características de direção 42 realiza o aprendizado das características de direção com base nos dados de destino de aprendizado, estimando os estimadores de mínimos quadrados [L1, L2] e os erros padrão [s11, sia] como descrito acima. A unidade de aprendizado de características de direção 42 armazena nela os estimadores de mínimos quadrados adquiridos [L1, L2] e os erros padrão [sL1, s12] como as características de direção relacionadas ao resultado de aprendizado adquirido a partir dos dados de destino de aprendizado.

[055] A unidade de aprendizado de características de direção 42 também pode armazenar nela o número N de dados incluídos nos dados de destino de aprendizado que foram utilizados para o aprendizado. A unidade de aprendizado de características de direção 42 pode armazenar nela adicionalmente a frequência de deslocamento em uma área onde o veículo se desloca, correspondendo aos dados de destino de aprendizado que foram utilizados para o aprendizado.

[056] Nas descrições acima, um modelo de regressão entre a velocidade do veículo V e a distância entre veículos D é mencionado como exemplo. No entanto, uma análise de regressão semelhante (uma análise de regressão múltipla) pode ser realizada usando não apenas a velocidade do veículo Ve a distância entre veículos D, mas também outros dois ou mais dados. Nas descrições acima, como a análise de regressão é realizada entre dois dados, dois valores L1 e L2 são adquiridos como o estimador de mínimos quadrados. Geralmente, quando uma análise de regressão entre M dados é realizada, os valores M [L1, L2, ..., Lv] são adquiridos como o estimador de mínimos quadrados. Da mesma forma, os valores M [s11, SL2, ..., Sum] são adquiridos como o erro padrão correspondente ao estimador de mínimos quadrados.

[057] Além disso, nas descrições acima, um modelo linear (regressão linear) que assume uma relação linear entre partes dos dados é mencionado como modelo de regressão. No entanto, além do modelo linear, o método do modelo linear descrito acima pode ser usado, desde que seja um modelo que possa ser transformado em um modelo linear por transformação funcional ou semelhante. Por exemplo, um modelo elástico no qual uma variável explicada é proporcional à potência de uma variável explicativa, ou um modelo elástico (regressão exponencial) no qual uma variável explicada é proporcional a uma função exponencial de uma variável explicativa pode ser usado. Alternativamente, um modelo linear, um modelo elástico ou uma combinação de modelos elásticos podem ser usados.

[058] Nas descrições acima, considera-se que, quando o número N dos resultados da medição é suficientemente grande, o Ei residual da regressão segue a distribuição normal. Geralmente, no entanto, a regressão residual E; nem sempre segue a distribuição normal. Por exemplo, quando o número N dos resultados da medição é pequeno (por exemplo, N é menor que 30), o aprendizado das características de direção pode ser realizado assumindo-se uma distribuição diferente da distribuição normal, correspondente à propriedade dos dados. Por exemplo, o aprendizado das características de direção pode ser realizado assumindo distribuição binominal, distribuição de Poisson ou distribuição uniforme que não seja a distribuição normal. O aprendizado das características de direção pode ser realizado através da estimativa não paramétrica.

[059] O aprendizado das características de direção pode ser realizado calculando um erro de saída no momento da entrada de dados de treinamento em uma rede neural e executando o ajuste de vários parâmetros da rede neural, de modo que o erro se torne mínimo, como no aprendizado profundo (aprendizado hierárquico, aprendizado de máquina) usando a rede neural, exceto os métodos descritos acima.

[060] Nas descrições acima, supõe-se que o aprendizado seja realizado usando todos os resultados de medição incluídos nos dados de destino de aprendizado, no entanto, a seleção ou ponderação dos resultados de medição a serem utilizados para o aprendizado podem ser executados de acordo com a área de deslocamento em que um veículo se desloca. Por exemplo, informações de frequência da rota e locais (um local de partida, um local de passagem e um destino) onde um veículo se desloca são decididas com base em uma ou em várias partes dos dados de destino de aprendizado e quando o resultado da medição incluído nos dados de destino de aprendizado que está sendo aprendido foi medido em uma área com uma alta frequência de deslocamento, a contribuição do resultado da medição para a soma quadrada S de um termo de erro ei a ser usado na análise de regressão pode ser alta.

[061] Especificamente, a soma quadrada S do termo de erro ei pode ser definida como um parâmetro de ponderação Wi de acordo com a seguinte equação (5). Aqui, quando a seleção dos resultados da medição a serem utilizados para o aprendizado deve ser realizada, o parâmetro de ponderação Wi assume o valor 1 em relação ao resultado da medição a ser usado para o aprendizado e o parâmetro de ponderação Wi assume um valor O em relação ao resultado da medição que não deve ser usado para aprendizado. Quando a ponderação dos resultados da medição a serem utilizados para o aprendizado deve ser realizada, o parâmetro de ponderação Wi assume um valor maior, pois a frequência de deslocamento em uma área correspondente ao resultado da medição se torna mais alta.

S=Z(Wi-e?) ... (5)

[062] Ao realizar a seleção ou ponderação dos resultados da medição a serem usados para o aprendizado de acordo com a área deslocamento onde o veículo se desloca, à medida que frequência de deslocamento na área em que o veículo se desloca se torna mais alta, as características de direção durante a direção manual por um motorista na área pode ser aprendido com um maior grau de prioridade. À medida que a frequência de deslocamento na área em que o veículo se desloca se torna mais alta, considera-se que o motorista está acostumado a dirigir na área e considera-se que as características de direção do motorista aparecem fortemente nos dados de destino de aprendizado.

[063] Nas descrições acima, as características de direção e o erro padrão são estimados a partir dos dados de destino de aprendizado pela análise de regressão. No entanto, um valor médio e um desvio padrão do momento de desaceleração podem ser estimados, respectivamente, como as características de direção e o erro padrão, com base na distribuição de frequência relacionada ao momento de desaceleração (o momento de desaceleração é plotado no eixo horizontal e a frequência é plotada no eixo vertical) adquirida a partir dos resultados da medição. Além desta estimativa, um valor médio e um desvio padrão da distância entre veículos podem ser estimados, respectivamente, como características de direção e erro padrão, com base na distribuição de frequência relacionada à distância entre veículos entre um veículo e um veículo em andamento (a distância entre veículos é plotada no eixo horizontal e a frequência é plotada no eixo vertical) adquirida a partir dos resultados da medição. Além disso, um valor médio e um desvio padrão da velocidade do veículo durante uma operação de desaceleração podem ser estimados como as características de direção e o erro padrão com base na distribuição de frequência (a velocidade do veículo é plotada no eixo horizontal e a frequência é plotada no o eixo vertical) adquirido a partir dos resultados da medição.

[064] Em seguida, na Etapa S107, a unidade de identificação de motorista 43 identifica um motorista com base em resultado de aprendizado não registrado armazenado temporariamente na unidade de armazenamento de dados de destino de aprendizado 41. Especificamente, a unidade de identificação de motorista 43 compara o resultado de aprendizado não registrado com os resultados de aprendizado registrados armazenados na unidade de armazenamento de dados de destino de aprendizado 41.

[065] Como ilustrado na Fig. 3, supõe-se que um resultado de aprendizado não registrado (como as características de direção, um estimador de mínimos quadrados Lu e um erro padrão su) seja adquirido e um resultado de aprendizado de um motorista A (como as características de direção, estimadores de mínimos quadrados Lae um erro padrão sa), um resultado de aprendizado de um motorista B (como características de direção, estimadores de mínimos quadrados Lg e um erro padrão se) e um resultado de aprendizado de um motorista C (como características de direção, pelo menos estimadores de quadrados Lce um erro padrão sc) já foram registrados como resultados de aprendizado registrados.

[066] A unidade de identificação de motorista 43 compara os resultados do aprendizado entre si realizando um teste t para as características de direção.

[067] Quando o resultado de aprendizado não registrado deve ser comparado com o resultado de aprendizado do motorista A, a unidade de identificação de motorista 43 designa uma hipótese nula como "Lu=LA" e uma hipótese alternativa como "LuzLa" e define uma estatística t de duas amostras definida pela seguinte equação (6) Tua=(Lu-LaVísu?+sa?Y/? =... (6)

[068] Quando o estimador de mínimos quadrados Lu e o estimador de mínimos quadrados La seguem a distribuição normal, a estatística t de duas amostras Tua entre o resultado do aprendizado não registrado e o resultado do aprendizado do motorista A seguem uma distribuição t. A distribuição t possui um grau de liberdade, dependendo dos dados de destino de aprendizado correspondentes ao resultado de aprendizado não registrado, dos dados de destino de aprendizado correspondentes ao resultado de aprendizado do motorista A e similares.

[069] A unidade de identificação de motorista 43 calcula a estatística t de duas amostras Tua e realiza um teste com um nível de significância a=0,05. Ou seja, o nível considerado como tendo uma diferença significativa é fixado em 5%.

[070] O nível de significância a pode ser alterado com base no número de resultados de medição incluídos nos dados de destino de aprendizado.

[071] Da mesma forma, a unidade de identificação de motorista 43 calcula uma estatística t de duas amostras Tug entre o resultado de aprendizado não registrado e o resultado de aprendizado do motorista B e calcula uma estatística t de duas amostras Tuc entre o resultado do aprendizado não registrado e o resultado do aprendizado do motorista C.

[072] Deste modo, a unidade de identificação de motorista 43 calcula a estatística t de duas amostras entre o resultado do aprendizado não registrado e o resultado do aprendizado registrado. Se o resultado de aprendizado registrado não tiver sido armazenado na unidade de armazenamento de dados de destino de aprendizado 41, a unidade de identificação de motorista 43 não realiza comparação entre os resultados de aprendizado descritos acima.

[073] Em seguida, na Etapa S109, a unidade de identificação de motorista 43 determina se há um resultado de aprendizado registrado correspondente com o resultado de aprendizado não registrado.

[074] A unidade de identificação de motorista 43 rejeita a hipótese nula quando a estatística t de duas amostras calculada Tuase torna um valor amplamente desviado de O e, particularmente, quando um valor absoluto da estatística t de duas amostras Tuase torna um valor maior que um ponto percentual Ta2 na distribuição t definida pelo nível de significância a.

[075] Aqui, o ponto percentual T.2 é um valor da estatística t de duas amostras, na qual uma probabilidade superior na distribuição t se torna 0/2. Um agregado (uma região de rejeição) de valores estatísticos para rejeitar a hipótese nula inclui uma região positiva com desvio de O e uma região negativa com desvio de O, e um teste bilateral precisa ser realizado. Portanto, a probabilidade superior é definida como um valor metade do nível de significância a.

[076] Quando a hipótese nula "Lu=LaA" é rejeitada, a unidade de identificação de motorista 43 determina que o resultado do aprendizado não registrado e o resultado do aprendizado do motorista A não correspondem um ao outro. Além disso, a unidade de identificação de motorista 43 identifica que um motorista correspondente ao resultado de aprendizado não registrado não é o motorista A.

[077] Por outro lado, quando a hipótese nula "Lu=La" é adotada (não rejeitada), a unidade de identificação de motorista 43 julga que o resultado de aprendizado não registrado e o resultado de aprendizado do motorista A não correspondem um ao outro. Além disso, a unidade de identificação de motorista 43 identifica que um motorista correspondente ao resultado de aprendizado não registrado é o motorista A.

[078] Ou seja, a unidade de identificação de motorista 43 compara

Lu representando as características de direção no resultado de aprendizado não registrado com as características de direção no resultado de aprendizado do motorista A e se a diferença entre Lu e La for igual ou menor que um valor predeterminado, a unidade de identificação de motorista 43 identifica que um motorista correspondente ao resultado de aprendizado não registrado é o motorista A no resultado de aprendizado registrado.

[079] Da mesma forma, a unidade de identificação de motorista 43 determina se o resultado de aprendizado não registrado e o resultado de aprendizado do motorista B correspondem um ao outro com base na estatística t de duas amostras Tug e identifica se um motorista correspondente ao resultado de aprendizado não registrado é o motorista B. Além disso, a unidade de identificação de motorista 43 determina se o resultado de aprendizado não registrado e o resultado de aprendizado do motorista C correspondem um ao outro com base na estatística t de duas amostras Tuc e identifica se um motorista correspondente ao resultado de aprendizado não registrado é o motorista C.

[080] Se um resultado de aprendizado registrado correspondente com o resultado de aprendizado não registrado não for encontrado ou um resultado de aprendizado “registrado não tiver sido armazenado na unidade de armazenamento de dados de destino de aprendizado 41, a unidade de identificação de motorista 43 identifica que um motorista correspondente ao resultado de aprendizado não registrado é um novo motorista (um motorista que não corresponde a nenhum dos motoristas registrados).

[081] Como resultado da comparação pela unidade de identificação de motorista 43, se não houver um resultado de aprendizado registrado correspondente ao resultado de aprendizado não registrado (NÃO na Etapa S109), o processo prosseguirá para a Etapa S111 e se houver um resultado de aprendizado registrado correspondente ao resultado de aprendizado não registrado (SIM na Etapa S109), o processo prossegue para a Etapa S113.

[082] Na etapa S111, a unidade de armazenamento de dados de destino de aprendizado 41 registra nos dados de destino de aprendizado não registrados como dados de destino de aprendizado correspondentes ao novo motorista. Além disso, a unidade de aprendizado de características de direção 42 registra o resultado de aprendizado não registrado como um resultado de aprendizado correspondente ao novo motorista.

[083] Na Etapa S113, como resultado da comparação pela unidade de identificação de motorista 43, se houver apenas um resultado de aprendizado registrado correspondente ao resultado de aprendizado não registrado (SIM na Etapa S113), o processo prosseguirá para a Etapa S115 e a unidade de execução de controle de direção autônoma 45 aplica o resultado de aprendizado registrado, correspondente ao resultado de aprendizado não registrado, à direção autônoma.

[084] Na Etapa S113, se houver uma pluralidade de resultados de aprendizado registrados correspondentes ao resultado de aprendizado não registrado (NO na Etapa S113), o processo prossegue para a Etapa S117, ea unidade de apresentação de estado de controle 61 exibe uma pluralidade de candidatos a motorista correspondentes aos resultados de aprendizado registrados correspondentes.

[085] Na etapa S119, quando um motorista é selecionado entre a pluralidade de candidatos a motorista exibidos na unidade de apresentação de estado de controle 61 por um usuário do dispositivo de assistência de deslocamento 11, a unidade de execução de controle de direção autônoma 45 aplica o resultado de aprendizado registrado correspondente com o resultado de aprendizado não registrado, que é um resultado de aprendizado do motorista selecionado, para direção autônoma.

[086] Nas descrições acima, o teste t para as características de direção é realizado usando uma parte das características de direção (um estimador de mínimos quadrados) entre as características de direção incluídas no resultado de aprendizado. No entanto, o teste t para as características de direção pode ser realizado combinando duas ou mais partes das características de direção. Em comparação com um caso em que apenas uma parte das características de direção é usada, uma comparação mais precisa entre os resultados de aprendizado e a identificação do motorista pode ser realizada combinando mais partes das características de direção.

[087] Na etapa S109 descrita acima, quando um motorista que corresponde aos dados de destino de aprendizado não registrado é identificado, o resultado de aprendizado adquirido ao realizar o aprendizado usando os dados de destino de aprendizado não registrados e o resultado de aprendizado correspondente ao motorista identificado podem ser aplicados à direção autônoma, em vez de aplicar o resultado do aprendizado registrado à direção autônoma nas etapas S115 e S119.

[088] Ou seja, na Etapa S115 e na Etapa S119, os dados de destino de aprendizado não registrados podem ser combinados com os dados de destino de aprendizado do motorista identificado e o resultado de aprendizado com base nos dados de destino de aprendizado recém-adquiridos pode ser aplicado à direção autônoma. Ao executar o processo, o tamanho de dados dos dados de destino de aprendizado pode ser aumentado e um resultado de aprendizado no qual as características de direção do motorista identificado são fortemente refletidas pode ser aplicado à direção autônoma.

[089] Quando o número N dos resultados da medição incluídos nos dados de destino de aprendizado correspondentes ao resultado de aprendizado não registrado for pequeno (por exemplo, N é menor que 30), a distribuição que correspondem aos dados de destino de aprendizado pode ser decidida para calcular uma quantidade de teste correspondente à distribuição, em vez de calcular a estatística t de duas amostras que assume seguir a distribuição t. Alternativamente, a estimativa não paramétrica pode ser realizada com base nos dados de destino de aprendizado para realizar a comparação entre os resultados de aprendizado.

[090] Além dos métodos descritos acima, a comparação entre os resultados de aprendizado pode ser realizada pelo aprendizado profundo (aprendizado hierárquico, aprendizado automático) usando uma rede neural.

[091] Para a comparação entre os resultados de aprendizado, vários métodos podem ser mencionados como descrito acima. Esse método que pode rejeitar ou adotar a hipótese nula de que "os resultados de aprendizado correspondem um ao outro", calculando uma probabilidade predeterminada com base em dois ou mais resultados de aprendizado a serem comparados e comparando a probabilidade com o nível de significância, pode ser usado como um método de comparação de resultados de aprendizado na presente invenção.

[Efeitos das modalidades]

[092] Como descrito acima em detalhes, no método de assistência de deslocamento de acordo com a presente modalidade, em um veículo capaz de mudar a direção manual por um motorista e a direção autônoma, um motorista é identificado usando características de direção durante a direção manual por um motorista e controle de deslocamento é executado com base em um resultado de aprendizado correspondente ao motorista identificado. Consequentemente, o motorista pode ser identificado sem a necessidade de um sensor ou operações redundantes para a identificação do motorista, e a assistência de deslocamento apropriada para o motorista pode ser realizada.

[093] Particularmente, como um motorista pode ser identificado com base nas características de direção durante a direção manual, em vez de usar um sensor para identificar um motorista, como um sensor para realizar o reconhecimento de face ou reconhecimento de impressão digital, é possível obter uma redução de custos em comparação com um produto no qual um sensor para identificar um motorista está instalado. Por exemplo, um custo de cerca de 5.000 ienes do sensor de autenticação de impressão digital com base nos produtos produzidos em massa pode ser reduzido do custo de fabricação.

[094] Além disso, o método de assistência de deslocamento de acordo com a presente modalidade pode ser tal que as características de direção durante a direção manual e o resultado de aprendizado correspondente a um motorista sejam comparadas entre si e quando uma diferença entre as características de direção durante a direção manual e as características de direção no resultado de aprendizado for maior que um valor predeterminado, as características de direção durante a direção manual são registradas como resultado de aprendizado de um novo motorista. Consequentemente, um motorista pode ser identificado com precisão com base nas características de direção únicas do motorista. Além disso, um novo motorista não registrado pode ser registrado automaticamente, sem a necessidade de operações especiais do motorista.

[095] Além disso, o método de assistência de deslocamento de acordo com a presente modalidade pode solicitar que um ocupante forneça uma aprovação ao registro, quando um resultado de aprendizado de um novo motorista for registrado. Consequentemente, pode-se evitar que um novo motorista que não se destine a ser registrado pelo ocupante seja registrado. Portanto, um método de assistência de deslocamento que atenda à intenção do ocupante pode ser realizado e pode ser evitado que um novo motorista seja registrado por engano.

[096] Além disso, o método de assistência de deslocamento de acordo com a presente modalidade pode solicitar ao ocupante a entrada de informações que identificam um motorista, quando um resultado de aprendizado de um novo motorista é registrado. Consequentemente, um motorista correspondente ao resultado de aprendizado pode ser definido. Portanto, quando o resultado de aprendizado é usado após a configuração, por exemplo, quando a seleção de um motorista é solicitada ao ocupante, o ocupante pode selecionar um resultado de aprendizado apropriado. Como informações que identificam um motorista, uma entrada de atributos como idade e sexo pode ser solicitada.

[097] Além disso, o método de assistência de deslocamento de acordo com a presente modalidade pode ser tal que as características de direção durante a direção manual são comparadas com um resultado de aprendizado correspondente a um motorista e quando uma pluralidade de resultados de aprendizado tendo características de direção nas quais existe uma diferença entre as características de direção durante a direção manual e as características de direção no resultado de aprendizado estiverem dentro de um valor predeterminado, for encontrada, a seleção de um motorista dentre uma pluralidade de motoristas correspondentes aos resultados de aprendizado encontrados é solicitada a um ocupante. Consequentemente, um usuário pode selecionar um motorista, dentre a pluralidade de motoristas correspondente aos resultados de aprendizado encontrados, com base no momento da execução do controle de deslocamento da direção autônoma. Além disso, pode-se evitar que um resultado de aprendizado que não se destina a ser usado pelo usuário seja usado.

[098] Além disso, o método de assistência de deslocamento de acordo com a presente modalidade, à medida que a frequência de deslocamento em uma área em que um veículo se desloca se torna mais alta, pode usar mais preferencialmente características de direção da área que as características de direção durante a direção manual no momento da identificação de um motorista. Considera-se que, à medida que a frequência de deslocamento na área em que o veículo se desloca se torna mais alta, o motorista está mais acostumado a dirigir na área e as características de direção do motorista são mais fortemente refletidas nos dados de destino de aprendizado. Portanto, ao fornecer o grau de prioridade com base na frequência de deslocamento na área, um motorista pode ser identificado com mais precisão.

[099] Além disso, o método de assistência de deslocamento de acordo com a presente modalidade pode usar um momento de desaceleração durante a direção manual, uma distância entre veículos entre um veículo e um veículo em andamento, uma velocidade do veículo durante uma operação de desaceleração ou uma combinação dos mesmos como características de direção durante a direção manual. Entre as características de direção que aparecem nos dados de deslocamento do veículo, as características de direção, como o momento de desaceleração durante a direção manual, a distância entre veículos entre o veículo e o veículo em andamento e a velocidade do veículo durante a operação de desaceleração são características de direção nas quais a personalidade de um motorista tende a aparecer em comparação com outras características de direção. Portanto, usando essas características de direção, o motorista pode ser identificado com mais precisão.

[0100] Além disso, o método de assistência de deslocamento de acordo com a presente modalidade pode ser tal que, quando não houver resultado de aprendizado registrado, a identificação de um motorista com base no resultado de aprendizado não é realizada. Portanto, o tempo de processamento necessário para identificar um motorista pode ser diminuído, permitindo alcançar uma velocidade alta como todo o sistema.

[0101] Além disso, quando há apenas um resultado de aprendizado registrado, por exemplo, quando há apenas um motorista que dirige um veículo diariamente, pode ocorrer que a identificação de um motorista não seja necessária originalmente. Nesse caso, também é possível que a identificação de um motorista com base no resultado de aprendizado não seja realizada. Portanto, o tempo de processamento necessário para identificar um motorista pode ser diminuído, permitindo alcançar uma velocidade alta como todo o sistema.

[0102] Além disso, o método de assistência de deslocamento de acordo com a presente modalidade pode aprender as características de direção de cada motorista por um servidor externo fornecido fora de um veículo. Consequentemente, uma carga de processamento do veículo pode ser reduzida.

[0103] Além disso, mesmo quando um motorista usa uma pluralidade de veículos, os resultados de aprendizado dos veículos são integrados e gerenciados por um servidor externo e os resultados de aprendizado integrados são distribuídos do servidor externo para um veículo que requer controle de deslocamento da direção autônoma, para que os resultados de aprendizado integrados possam ser compartilhados entre os veículos. Consequentemente, pode ser realizada assistência de deslocamento apropriada para um motorista. É particularmente útil executar o processamento pelo servidor externo, em um caso em que se supõe que um motorista use uma pluralidade de veículos, como o compartilhamento de carros.

[0104] Embora o conteúdo da presente invenção tenha sido descrito acima com referência às modalidades, a presente invenção não se limita a essas descrições e será evidente para os versados na técnica que várias modificações e melhorias podem ser feitas. Não deve ser interpretado que a presente invenção se limita às descrições e desenhos que constituem parte da presente descrição. Com base na presente descrição, várias modalidades alternativas,

exemplos práticos e técnicas operacionais serão evidentes para os versados na técnica.

[0105] É desnecessário mencionar que a presente invenção também inclui várias modalidades que não são aqui descritas. Portanto, o escopo técnico da presente invenção deve ser definido pelas matérias que especificam a invenção de acordo com o escopo das reivindicações adequadamente obtidas a partir das descrições acima.

[0106] As funções respectivas descritas nas respectivas modalidades anteriores podem ser implementadas em um ou mais circuitos de processamento. Os circuitos de processamento incluem processadores programados, tais como dispositivos de processamento e similares, incluindo circuitos elétricos. Os dispositivos de processamento incluem dispositivos como circuitos integrados de aplicação específica (ASIC) e elementos constituintes de circuitos convencionais que são dispostos para executar as funções descritas nas modalidades.

LISTA DE SINAIS DE REFERÊNCIA 1 dispositivo de assistência de deslocamento 21 unidade de detecção de status de deslocamento 22 unidade de detecção de status de arredores 23 chave de comutação de direção 31 atuador 41 unidade de armazenamento de dados de destino de aprendizado 42 unidade de aprendizado de características de direção 43 unidade de identificação de motorista 45 unidade de execução de controle de direção autônoma 61 unidade de apresentação de estado de controle

Claims

REIVINDICAÇÕES

1. Método de assistência de deslocamento para aprender características de direção para cada motorista a partir de dados de deslocamento durante a direção manual por um motorista e aplicar um resultado de aprendizado ao controle de deslocamento da direção autônoma, em um veículo capaz de alternar a direção manual por um motorista e direção autônoma, o método de assistência de deslocamento CARACTERIZADO pelo fato de que compreende: identificar um motorista usando características de direção durante a direção manual por um motorista; e executar o controle de deslocamento com base no resultado de aprendizado correspondente ao motorista identificado.

2. Método de assistência de deslocamento, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que compreende adicionalmente: comparar características de direção durante a direção manual com o resultado de aprendizado correspondente a um motorista; e quando uma diferença entre as características de direção durante a direção manual e as características de direção no resultado de aprendizado for maior do que um valor predeterminado, registrando as características de direção durante a direção manual como resultado de aprendizado de um novo motorista.

3. Método de assistência de deslocamento, de acordo com a reivindicação 2, CARACTERIZADO pelo fato de que compreende adicionalmente a solicitação de um ocupante para prover uma aprovação ao registro, quando um resultado de aprendizado de um novo motorista for registrado.

4, Método de assistência de deslocamento, de acordo com a reivindicação 2 ou 3, CARACTERIZADO pelo fato de que compreende adicionalmente, quando um resultado de aprendizado de um novo motorista deve ser registrado, solicitar que um ocupante insira informações que identifiquem o motorista.

5. Método de assistência de deslocamento, de acordo com qualquer uma das reivindicações 1 a 4, CARACTERIZADO pelo fato de que compreende adicionalmente: comparar as características de direção durante a direção manual com o resultado de aprendizado correspondente a um motorista; e quando uma pluralidade de resultados de aprendizado tendo características de direção nas quais uma diferença entre as características de direção durante a direção manual e as características de direção no resultado de aprendizado estiver dentro de um valor predeterminado for encontrada, solicitar que um ocupante selecione qualquer um dos motoristas correspondentes aos resultados de aprendizado encontrados.

6. Método de assistência de deslocamento, de acordo com qualquer uma das reivindicações 1 a 5, CARACTERIZADO pelo fato de que compreende adicionalmente, como uma frequência de deslocamento em uma área em que o veículo se desloca se torna mais alto, usar características de direção mais preferencialmente da área como características de direção durante a direção manual no momento de identificação do motorista.

7. Método de assistência de deslocamento, de acordo com qualquer uma das reivindicações 1 a 6, CARACTERIZADO pelo fato de que compreende adicionalmente o uso de um momento de desaceleração durante a direção manual como as características de direção durante a direção manual.

8. Método de assistência de deslocamento, de acordo com qualquer uma das reivindicações 1 a 7, CARACTERIZADO pelo fato de que compreende adicionalmente o uso de uma distância entre veículos entre o veículo e um veículo em andamento como características de direção durante a direção manual.

9. Método de assistência de deslocamento, de acordo com qualquer uma das reivindicações 1 a 8, CARACTERIZADO pelo fato de que compreende adicionalmente o uso de uma velocidade do veículo durante uma operação de desaceleração durante a direção manual como as características de direção durante a direção manual.

10. Método de assistência de deslocamento, de acordo com qualquer uma das reivindicações 1 a 9, CARACTERIZADO pelo fato de que compreende adicionalmente, quando um resultado de aprendizado registrado não estiver presente ou quando houver apenas um resultado de aprendizado registrado, não executar a identificação do motorista com base no resultado do aprendizado.

11. Método de assistência de deslocamento, de acordo com qualquer uma das reivindicações 1 a 10, CARACTERIZADO pelo fato de que compreende adicionalmente o aprendizado das características de direção para cada motorista por um servidor externo provido fora do veículo.

12. Dispositivo de assistência de deslocamento que aprende características de direção para cada motorista a partir de dados de deslocamento durante a direção manual por um motorista e aplica um resultado de aprendizado ao controle de deslocamento da direção autônoma, em um veículo capaz de alternar a direção manual por um motorista e a direção autônoma, o dispositivo de assistência de deslocamento CARACTERIZADO pelo fato de que compreende: um circuito de identificação de motorista que identifica o motorista usando características de direção durante a direção manual por um motorista; e um circuito de execução de controle de direção autônoma que executa o controle de deslocamento com base no resultado de aprendizado correspondente ao motorista identificado.