CN107207010A - 自动驾驶控制装置 - Google Patents

Abstract

本发明目的在于实现在并非平均的特定的道路环境中也能够不解除自动驾驶的控制地继续控制。在使用识别外部环境的外部环境识别传感器和上述外部环境识别传感器的信息来控制车辆的致动器，使得车辆不依赖于驾驶员的操作地自动在道路上行驶的自动驾驶控制装置中，包括：学习记录装置，其记录驾驶员驾驶时的外部环境识别信息和车辆的状态信息；输出比较装置，其将上述记录装置中记录的信息由上述自动驾驶控制装置处理了的情况下的处理结果与上述学习记录装置中记录的信息进行比较；和控制参数设定装置，其设定控制参数以使得由上述输出比较装置比较得到的结果接近驾驶员的驾驶。

Description

自动驾驶控制装置

技术领域

本发明涉及自动驾驶控制装置，特别涉及控制参数的设定。

背景技术

作为设定自动驾驶控制装置的参数的方法，例如有专利文献1中记载的方法。在该控制装置中，例如在控制插队的参数的学习中，比较市场中的插队频度与驾驶员手动驾驶时的插队频度，以接近驾驶员的插队频度的方式学习参数。

另外，专利文献2中，对于根据自动驾驶控制装置内的驾驶员模型生成的车速、车间距离、加速踏板操作量等特征量与驾驶员的手动驾驶时的特征量进行比较，学习驾驶员模型的参数以使其一致概率最高。

现有技术文献

专利文献

专利文献1：日本特开2008-180591号公报

专利文献2：日本特开2007-176396号公报

发明内容

发明要解决的问题

但是，上述专利文献中，虽然实施控制使得驾驶员手动驾驶了的某个区间中的某个量例如插队频度、或车速、车间距离、加速踏板的操作量与自动驾驶时的某个量一致，但是不能够应对各种个别道路环境。

例如，在驾驶员通勤的情况下，道路环境按自家前的巷道－城市部的主要道路－城市间的干线道路－工业地区的主要道路－工厂附近的巷道这样变化。

其中，即使进行了参数的调整以使上述某个量的平均值、匹配率或者这个量自身的匹配率一致，也存在虽然在行驶距离最长的城市间的干线道路上可以实施适当的控制，但是在其他道路环境中不能够实施适当的控制或者产生不自然感这样的问题。

特别在自动驾驶中，不能够实施适当的控制的情况下，需要解除控制，例如，如果通勤时存在多处解除控制的场所，这表示在每日的日常使用场景中不能够使用自动驾驶，会大幅损害自动驾驶装置的价值。

本发明的目的在于，在并非平均的特定道路环境中也能够不解除自动驾驶的控制地继续控制。

解决问题的技术方案

本发明的自动驾驶控制装置，例如是使用识别外部环境的外部环境识别传感器和上述外部环境识别传感器的信息，来控制车辆的致动器，以使得车辆不依赖于驾驶员的操作地自动在道路上行驶的自动驾驶控制装置，其包括：学习记录装置，其记录驾驶员驾驶时的外部环境识别信息和车辆的状态信息；输出比较装置，其将上述学习记录装置中记录的信息由上述自动驾驶控制装置处理了的情况下的处理结果与上述学习记录装置中记录的信息进行比较；和控制参数设定装置，其设定控制参数以使得由上述输出比较装置比较得到的结果接近驾驶员的驾驶。

发明效果

根据本发明，即使在并非平均的特定道路环境中也能够不解除自动驾驶的控制地继续控制。

附图说明

图1是表示本发明的实施例的框图。

图2是自动驾驶的控制框图。

图3是用于说明本发明中的控制的例子的道路示意图。

图4是通常自动控制、学习中的状态转移图。

图5是驾驶员驾驶中的数据流图。

图6是用于评价自动驾驶参数的处理流程图。

图7是使用驾驶员驾驶时的数据时的控制框图。

图8是根据驾驶员驾驶时的数据来实施自动驾驶的情况下的计算本车位置的处理的处理流程图。

图9是用于说明地图上的重置点的图。

图10是驾驶员驾驶学习时的处理流程图。

图11是外部环境识别传感器的识别范围图。

具体实施方式

使用图1说明本控制装置的整体结构。自动驾驶ECU105从以下说明的外部环境识别传感器取得本车周边的道路环境信息。

外部环境识别传感器包括前方雷达1011、右前方雷达1012、左前方雷达1013、右后方雷达1015、左后方雷达1014和前方摄像机102、周边摄像机1021，它们各自的传感范围如图11所示，前方雷达1011的传感范围是1107，右前方雷达1012的传感范围是1105，左前方雷达1013的传感范围是1105，右后方雷达1015的传感范围是1102，左后方雷达1014的传感范围是1101，前方摄像机102的传感范围是1106，周边摄像机1021的传感范围是1103。

本车辆周边的物体的位置、相对速度从前方雷达1011、右前方雷达1012、左前方雷达1013、右后方雷达1015、左后方雷达1014、周边摄像机1103取得。

前方物体的位置、相对速度和道路的白线的位置、道路与道路外的边界位置、标志的种类和位置、信号灯的颜色和位置，从前方摄像机102取得。

不能够用前方摄像机102取得的道路形状信息，例如前方的弯道的R和长度、坡道的坡度和长度、车道的增减、道路管制信息、交叉路口的位置、收费站的位置等，从地图ECU103取得。另外，地图ECU103为了取得当前的本车的位置而与GPS104连接。

不能够用前方摄像机102和雷达1011～1015取得的周边物体的位置和速度、信号灯的位置和颜色、标志的位置和种类，通过车车间/路车间通信ECU117取得。

自动驾驶控制装置(自动驾驶ECU)105通过控制以下的致动器，来实施车辆控制。

车辆的加速度通过控制发动机ECU110来进行控制。车辆的减速度通过控制制动器ECU111来进行控制。车辆前进的方向通过控制转向ECU113来进行控制。

另外，自动驾驶ECU105从以下的传感器取得车辆的状态和驾驶员的驾驶状态。驾驶员的加速开度从加速传感器106取得。车辆的横摆角速度从横摆角速度传感器107取得。车辆的车速从车速传感器108取得。驾驶员的转向操作量(舵角)从舵角传感器109取得。

使用图2说明通常控制中的自动驾驶ECU105内部的处理。从由图1的雷达1011～1015、前方摄像机102、地图ECU103、C2X ECU117取得的传感器数据201中，使用物体判断部203提取有可能成为控制对象的物体。因为传感器的数据中包含噪声等与车辆控制无关的信息，所以在物体判断部203中，例如如果是小石块程度的大小，则从必须控制使本车停止或转向的控制的对象中排除等。

接着，在从地图数据202取得的地图信息中，由物体判断部203提取的有可能成为控制对象的物体、从车车间/路车间通信数据204取得的周边物体信息的映射在205中进行。

在加权部207中，根据映射后的地图上的位置、物体的种类、前进方向等作为控制对象进行加权。

图3举例示出了加权部207的动作。本车的前进方向的道路305上存在信号灯301，交叉的道路306上自行车302正在接近，并且行人303在与本车相同的前进方向上步行。这样的情况下，进行加权以使信号301的权重最高，自行车302其次，行人303的权重最低。

对哪个位置的哪个物体进行加权，是在控制参数2016中作为参数设定的，例如信号301的权重是10，人行道上的要进入人行横道的自行车302的权重根据碰撞时间TTC表的表1来设定。如果是本例的情况，则本车304按照信号灯实施控制直到自行车302的TTC成为1秒。

表1：TTC表

TTC	10	3	2	1
					权重	5	6	8	11

根据上述加权部207设定的权重，由控制对象决定部208来决定要作为控制对象的物体，对于由控制对象决定部208决定的控制对象，由控制部209计算控制量，进行致动器210的控制。

在控制部209中，决定与控制对象的距离、本车的速度、本车的加速度/减速度，这些控制量根据控制参数2016决定。

对于通常控制时的处理进行了说明，使用图4说明通常控制以外存在怎样的状态。

本装置中，存在不进行控制的关闭(OFF)状态401、等待控制开始状态(待机状态)402、通常控制状态403、学习状态406。

关闭状态401是驾驶员进行驾驶的状态，不进行自动驾驶。待机状态402与401同样是驾驶员进行驾驶的状态，但是在仪表等显示装置上显示是等待自动驾驶控制状态，能够通过驾驶员操作SW等而进入通常控制403或者学习状态406。这样地设置关闭状态401和待机状态402，是为了防止驾驶员误进行了开关操作等情况下突然进入通常控制403。

学习状态406中还存在数据记录状态404和参数优化状态405，使用图5、图6对于该状态进行说明。

数据记录状态404时，如图5所示，将传感器数据201和车辆状态信息502全部记录在数据记录介质501中。

车辆状态信息502指的是从加速传感器106、横摆角速度传感器107、车速传感器108、舵角传感器109等得到的信息，也可以记录其他车辆内的传感器信息。

数据记录状态404，在从待机状态402时由驾驶员传达了转移至学习状态406的意图时起至传达了驾驶员的结束意图的期间中持续。

驾驶员例如要实施对自己通勤中的道路进行的控制的学习的情况下，在家中的停车场中转移至学习状态406，在公司的停车场中结束即可。

接着，使用图6说明参数优化状态405时的处理。

此处，对于驾驶员驾驶时记录的行驶时数据501，与预测在相同状况下实施自动驾驶的情况下的行驶时数据得到的预测数据进行比较，进行控制参数的设定以使比较结果在阈值以内。以下说明具体的设定方法。

为了进行在与驾驶员驾驶时相同的状况下实施自动驾驶的情况下的自动驾驶控制量的计算，数据记录状态404中记录在数据记录介质501中的数据被输入至自动驾驶控制量计算部200，计算自动驾驶时的控制量。此时，如图7所示地使用行驶时数据501代替图2的传感器数据201、地图数据202、C2X数据203。

接着，根据由自动驾驶控制量计算部200计算出的控制量，使用外部环境识别信息预测计算部601来计算在实施了自动驾驶的情况下的预测行驶时数据。

使用图8说明预测行驶时数据的计算方法。

将来自自动驾驶控制量计算部200的控制量、目标加速度和目标舵角811输入到车辆模型801，计算预想速度、预想舵角、预想加速开度812。车辆模型801由相对于控制量的纯延迟、一阶滞后系数等构成。另外，对于加速开度这样的用于使车辆追随目标物理量的机构根据映射等决定。例如预想速度通过将对目标加速度加上纯延迟和一阶滞后得到的值进行积分，将其与初始速度相加而得到。目标舵角也同样对目标舵角加上纯延迟和一阶滞后得到预测舵角。对于预想加速开度，根据目标加速度和此时的传动比查询加速开度映射求出预想值。

接着，使用本车矢量计算部802根据上述预想速度、预想舵角计算本车纵向速度、本车横向速度813。通过根据预想舵角求出本车的前进方向角度θ，能够求出本车纵向速度＝预想速度×sinθ，本车横向速度＝预想速度×cosθ。

接着，使本车位置差计算部803求出对预测本车纵向速度、预测本车横向速度813积分求出的预测位置、与对从行驶时数据501导出的本车纵向速度、本车横向速度821积分求出的位置的本车位置差、本车纵向偏差和本车横向偏差814。

接着，使相对位置计算部804，根据上述本车纵向偏差和本车横向偏差814和从行驶时数据501导出的周边物体位置822，计算自动驾驶时的与周边物体的相对纵向位置和相对横向位置。

周边物体的相对纵向位置和相对横向位置指的是周边物体相对于本车的位置。例如如图9所示，自动驾驶时的本车910相对于驾驶员驾驶时的本车900位置不同，例如横向相差+0.5m912、纵向相差－1.0m911的情况下，使周边物体902～904的相对位置横向偏移+0.5m、纵向偏移－1.0m作为相对纵向位置和相对横向位置。这样的处理通过外部环境识别信息预测计算部601实施。

另外，用于求出上述本车位置差的本车纵向速度和本车横向速度821的积分，在行驶时数据501中记录的本车在地图上的位置到达某一个点时重置。例如图9所示的行驶数据被记录为行驶时数据501的情况下，上述积分每当本车900到达地图上的点901时重置。对于从行驶时数据501导出的周边物体即902～905的位置，也在行驶时数据501内的本车到达上述地图上的点901时重置为行驶时数据901的位置。即，在到达地图上的点901时，本车位置、周边物体位置一同重置为与驾驶员驾驶时相同的位置。如果不这样进行重置，例如会发生自动驾驶时未遇到图9的行人902等情况。本处理的目的不是求出自动驾驶时的本车的正确位置，而是主要参考驾驶员实施驾驶时的相对位置决定对于本车和周边物体的控制参数，因此实施这样的重置。

接着，对于自动驾驶评价函数603进行说明。式1示出了评价函数603的例子。此处，J是评价函数的评价结果，该值越小判断为越好。ts～te表示积分的区间，是到达图9的进行重置的点9011的时间和到达进行下一次重置的点9012的时间。W_n是对于评价的变量的权重，预先对于每一个变量设定，但也可以视为控制参数而使用本函数的评价结果进行变更。V_d是从行驶时数据501取得的驾驶员驾驶时的本车速度，V_a是自动驾驶时的预测本车速度，从外部环境识别信息预测计算部601取得。d_yd、d_ya同样是从行驶数据501取得的驾驶员驾驶时的与周边物体的纵向距离、和从外部环境识别信息预测计算部601取得的自动驾驶时的与周边物体的预测纵向距离。对各减法、例如(V_d－V_a)求平方，是为了使对驾驶员驾驶时的数据与自动驾驶时的数据进行比较的结果不成为负值，使驾驶员驾驶时与自动驾驶时的差正确地积分。这样通过将驾驶员驾驶时取得的数据、与自动驾驶时预测的数据的全部或者一部分的差进行积分而对驾驶员的驾驶与自动驾驶进行比较。另外，比较的数据不仅可以使用取得的数据本身，也可以使用微分值等。例如，通过对本车车速微分能够比较加速度。

式1：

接着，使用图10进行控制参数调整部603的说明。

在控制参数调整部603中，首先在1002中确认用评价函数式1评价的结果是否在阈值以内，如果在阈值以内则在1006在地图上记录参数。地图上是指，为了在到达相应的区间时能够导出并使用在图9的进行重置的点9011、9012、9013等点到点之间进行控制的情况下的控制参数，而将本车在地图上的位置与参数关联地预先记录参数。例如，根据图9的重置点9011与9012之间取得的行驶时数据501来计算参数，如果用评价函数式即式1对该结果评价后得到的结果在阈值以内，则自动驾驶时在从下方到达重置点9011时起至到达9012的期间中使用该参数进行控制。

也可以将在该地图上记录的参数记录在车外的服务器等中，用于其他车辆的控制。由此，即使是自身从未经过的道路，也能够实现参考了他人的驾驶的自动驾驶。

1002中不在阈值以内的情况下，在1003中确认全部参数的评价是否结束，如果全部参数的评价已结束则不能够进行适当的参数的设定，所以在1007中在地图上记录不可控制信息。在自动驾驶中到达记录了该不可控制信息的区间的情况下，在到达前通知驾驶员不可控制，解除自动驾驶的控制。

在1003中确认的结果是参数的评价未全部结束的情况下，在1004中设定其他参数并返回自动驾驶控制量计算200，使用新的参数再次实施自动驾驶控制量计算200、外部环境识别信息预测计算601，确认评价函数式1的结果在阈值以内。

在1006中在地图上记录参数、或者在1007中在地图上记录不可驾驶结束后，确认是否对行驶时数据501中的全部重置点之间进行了处理，如果全部区间未结束则转移至下一个区间1009，如果全部区间已结束则结束处理10010。

如上所述地对于行驶时数据501中的全部重置点之间实施参数变更和评价，进行控制参数的优化。

符号说明

1011……前方雷达，1012……右前方雷达，1013……左前方雷达，1015……右后方雷达，1014……左后方雷达，102……前方摄像机，1021……周边摄像机，105……自动驾驶控制装置，501……数据记录介质(学习记录装置)，602……自动驾驶评价函数(输出比较装置)，603……控制参数调整部(控制参数设定装置)。

Claims (6)

1.一种自动驾驶控制装置，其使用识别外部环境的外部环境识别传感器和所述外部环境识别传感器的信息，来控制车辆的致动器，以使得车辆不依赖于驾驶员的操作地自动在道路上行驶，该自动驾驶控制装置的特征在于，包括：

学习记录装置，其记录驾驶员驾驶时的外部环境识别信息和车辆的状态信息；

输出比较装置，其将所述记录装置中记录的信息由所述自动驾驶控制装置处理了的情况下的处理结果与所述学习记录装置中记录的信息进行比较；和

控制参数设定装置，其设定控制参数以使得由所述输出比较装置比较得到的结果接近驾驶员的驾驶。

2.如权利要求1所述的自动驾驶控制装置，其特征在于：

由所述控制参数设定装置设定了的控制参数记录在地图上。

3.如权利要求2所述的自动驾驶控制装置，其特征在于：

从地图上再次读取被设定于所述地图上的控制参数来执行控制。

4.一种自动驾驶控制装置，其具有识别外部环境的外部环境识别传感器，使用所述外部环境识别传感器的信息来控制车辆的致动器，以使得车辆不依赖于驾驶员的操作地自动在道路上行驶，该自动驾驶控制装置的特征在于，包括：

学习记录装置，其记录所述驾驶员驾驶时的外部环境识别信息和车辆的状态信息；和

输出比较装置，其将所述学习记录装置中记录的信息与由所述自动驾驶控制装置处理了的情况下的处理结果进行比较，

所述自动驾驶控制装置变更由所述外部环境识别传感器识别出的识别物体的权重，以使得所述输出比较装置比较得到的结果接近驾驶员的驾驶。

5.如权利要求4所述的自动驾驶控制装置，其特征在于：

所述识别物体的权重作为控制参数记录在地图上，在本车到达同一地图的位置时，调用所述记录的控制参数来使用。

6.一种自动驾驶控制装置，其具有识别外部环境的外部环境识别传感器，使用所述外部环境识别传感器的信息来控制车辆的致动器，以使得车辆不依赖于驾驶员的操作地自动在道路上行驶，该自动驾驶控制装置的特征在于，包括：

学习记录装置，其记录所述驾驶员驾驶时的外部环境识别信息和车辆的状态信息；和

输出比较装置，其将所述学习记录装置中记录的信息与由所述自动驾驶控制装置处理了的情况下的处理结果进行比较，

对于地图上的每个地点，所述自动驾驶控制装置使所述自动控制装置的计算初始化。