CN108137052A

CN108137052A - 驾驶控制装置、驾驶控制方法和程序

Info

Publication number: CN108137052A
Application number: CN201680055610.9A
Authority: CN
Inventors: 河本献太
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2015-09-30
Filing date: 2016-09-16
Publication date: 2018-06-08
Anticipated expiration: 2036-09-16
Also published as: JP6773040B2; US20180259956A1; CN108137052B; US11281211B2; EP3357780B1; EP3357780A4; EP3357780A1; WO2017057060A1; JPWO2017057060A1

Abstract

本发明涉及一种驾驶控制装置和驾驶控制方法，利用该驾驶控制装置和驾驶控制方法，可以基于驾驶员的驾驶操作和各种传感器的检测结果安全地更新根据每个驾驶员的嗜好和习惯学习的个人化函数；和程序。通过基于驾驶员在手动驾驶期间执行的驾驶操作以及设置在车体中的各种传感器的检测结果进行学习获得每个驾驶员的个人化函数。使用所获得的个人化函数执行验证模拟，并且当安全性被确认时，所述函数被更新为新的个人化函数。通过使用个人化函数来基于检测结果来校正在执行自动驾驶时获得的操作指令，能够实现反映驾驶员的嗜好和习惯的自动驾驶，从而使得能够实现安全且舒适的自动驾驶。本公开可以应用于执行自动驾驶的汽车。

Description

驾驶控制装置、驾驶控制方法和程序

技术领域

本公开涉及驾驶控制装置、驾驶控制方法和程序，并且更具体地涉及确保诸如机动车的可移动装置的自主驾驶中提高的安全性和舒适性的驾驶控制装置、驾驶控制方法和程序。

背景技术

允许在没有驾驶员操纵的情况下使用车载传感器(通常为GPS(全球定位系统))的机动车或其他车辆的驾驶的所谓的自主驾驶技术正在成为现实(参见例如专利文献1)。

引文列表

专利文献

专利文献1

JP 2008-290680A

发明内容

技术问题

顺便提及，传感器被安装在机动车中以监测各种状况，诸如速度、加速度和位置。在自主驾驶中，基于由这些各种传感器检测到的不断变化的检测结果确定下一动作。

但是，自主驾驶中的一些动作(诸如考虑到交通阻塞而选择路线和行驶车道)需要处理时间来使用诸如当前位置信息、行驶速度、周围区域的拥塞以及拥塞预期的多个检测结果进行确定，而自主驾驶中的其他动作(诸如避免与在机动车前面冲出的人碰撞或与其他机动车碰撞)没有时间花在决策上。

即使当这些动作所需的处理时间不同的这些处理并行执行时，如果在所请求的动作之间发生冲突，则由于动作的错误选择也可能无法实现安全的自主驾驶。

此外，即使实现了允许到目的地的可靠行驶的安全的自主驾驶，也有可能不一定实现适合驾驶员(用户)的偏好的驾驶，从而导致不能实现舒适的驾驶。

也就是说，例如，当车辆制动时，可能会感觉到车辆比他或她在驾驶期间更早制动，或者相反，随后再制动。结果，仅仅乘坐车辆就可能导致压力。因此，虽然由于自主驾驶可以安全地驾驶车辆，但是在乘车时仍有可能感觉到压力或可能无法实现舒适的驾驶。

鉴于上述问题设计了本公开，并且本公开的目的尤其是确保通过自主驾驶行驶期间提高的安全性和舒适性。

问题的解决方案

本公开的一方面的驾驶控制装置包括操作部、检测部、学习部和动作控制部。操作部接受驾驶移动体的驾驶员的驾驶操作输入。检测部检测移动体的状态。学习部基于与驾驶操作相关的操作信息和检测部的检测结果来学习与驾驶员的驾驶操作相关的个人化函数。动作控制部基于检测结果和个人化函数来控制移动体的动作。

可以使驾驶控制装置进一步包括验证部，该验证部经由网络向外部验证装置请求对由学习部学习的个人化函数的验证，并获取验证结果。

可以使驾驶控制装置进一步包括学习结果存储部，其存储由学习部学习的个人化函数。可以使移动体的驾驶模式包括响应于从驾驶员接受的驾驶操作输入而进行动作的手动驾驶模式和基于由验证部验证的个人化函数和检测结果进行动作、而不需要驾驶员进行驾驶操作的自主驾驶模式。可以使学习部在手动驾驶模式下基于与驾驶操作相关的操作信息和检测部的检测结果来学习与驾驶员的驾驶操作相关的个人化函数。可以使学习结果存储部存储用作学习结果的个人化函数。

由验证部获取的验证结果是由外部验证装置在自主驾驶模式下使用存储在学习结果存储部中的个人化函数模拟的行驶结果。

可以使驾驶控制装置进一步包括个人化函数存储部和更新部。个人化函数存储部存储验证部获取的验证结果中没有异常的个人化函数。更新部将存储在学习结果存储部中的个人化函数中的已经由验证部验证为无异常的个人化函数更新为存储在学习结果存储部中的个人化函数。

可以使动作控制部基于存储在个人化函数存储部中并由验证部验证的个人化函数和检测结果，在自主驾驶模式下控制移动体的动作。

可以使学习结果存储部和个人化函数存储部存储针对每个驾驶员的个人化函数。

可以使学习结果存储部和个人化函数存储部分别存储针对每个驾驶员以及针对为每个驾驶员指定的多个模式中的每一个的个人化函数。

可以使动作控制部对驾驶员进行认证。可以使学习部学习由动作控制部认证的针对每个驾驶员的个人化函数，并将该个人化函数存储在学习结果存储部中。

可以使动作控制部对驾驶员进行认证，从个人化函数存储部读取由验证部验证的经认证的驾驶员的个人化函数，并基于由验证部验证的个人化函数和检测结果控制移动体的动作。

本公开的一方面的驾驶控制方法包括以下步骤：接受驾驶移动体的驾驶员的驾驶操作输入；检测移动体的状态；基于与驾驶操作相关的操作信息和检测部的检测结果来学习与驾驶员的驾驶操作相关的个人化函数；以及基于检测结果和个人化函数来控制移动体的动作。

本公开的一方面的程序是使计算机充当操作部、检测部、学习部和动作控制部的程序。操作部接受驾驶移动体的驾驶员的驾驶操作输入。检测部检测移动体的状态。学习部基于与驾驶操作相关的操作信息和检测部的检测结果来学习与驾驶员的驾驶操作相关的个人化函数。动作控制部基于检测结果和个人化函数来控制移动体的动作。

在本公开的一方面中，接受驾驶移动体的驾驶员的驾驶操作输入；检测移动体的状态；基于与驾驶操作相关的操作信息和检测结果来学习与驾驶员的驾驶操作相关的个人化函数；并且基于检测结果和个人化函数来控制移动体的动作。

发明的有益效果

根据本公开的一方面，能够确保通过自主驾驶行驶期间提高的安全性和舒适性。

附图说明

[图1]

图1是描述应用本公开的驾驶控制装置的配置示例的图。

[图2]

图2是描述由图1中所示的驾驶控制装置的驾驶控制处理的流程图。

[图3]

图3是描述用于驾驶员认证的显示图像的图。

[图4]

图4是描述图2中所示的自主驾驶处理的流程图。

[图5]

图5是描述图4中所示的深思动作确定处理的流程图。

[图6]

图6是描述图4中所示的冲突解决处理的流程图。

[图7]

图7是描述图4中所示的冲突解决处理的流程图。

[图8]

图8是描述指示在反射动作和深思动作之间发生冲突的显示内容的图。

[图9]

图9是描述图6中所示的驾驶员干预解决处理的流程图。

[图10]

图10是描述在驾驶员干预解决处理中呈现选项的示例的图。

[图11]

图11是示出在驾驶员干预解决处理中呈现滑动条的示例的图。

[图12]

图12是描述抑制发生冲突的示例的图。

[图13]

图13是描述图2中所示的手动驾驶处理的流程图。

[图14]

图14是描述图2中所示的个人化函数更新处理的流程图。

[图15]

图15是描述应用本公开的验证装置的配置示例的图。

[图16]

图16是描述检查点的图。

[图17]

图17是描述由图15中所示的验证装置处理的验证处理的流程图。

[图18]

图18是描述应用本公开的验证装置的第一修改示例的图。

[图19]

图19是描述应用本公开的驾驶控制装置的第一修改示例的图。

[图20]

图20是描述由图18中所示的验证装置处理的验证处理的流程图。

[图21]

图21是描述由图19中所示的驾驶控制装置处理的个人化函数更新处理的流程图。

[图22]

图22是描述应用本公开的验证装置的第二修改示例的图。

[图23]

图23是描述应用本公开的驾驶控制装置的第二修改示例的图。

[图24]

图24是描述由图22中所示的验证装置处理的验证处理的流程图。

[图25]

图25是描述由图23中所示的驾驶控制装置处理的个人化函数更新处理的流程图。

[图26]

图26是示出安装了车外信息检测部和成像部的位置的示例的说明图。

[图27]

图27是描述现有接收器的接收动作部的低功耗动作的图。

[图28]

图28是示出通用个人计算机的配置示例的图。

具体实施方式

下面将参照附图给出对本公开的优选实施例的详细描述。应该注意的是，在本说明书和附图中具有基本上相同的功能配置的组件由相同的附图标记表示以避免重复的描述。

另外，将按以下顺序给出描述：

1.本公开的实施例

2.第一修改示例

3.第二修改示例

4.第一应用示例

5.第二应用示例

<<1.本公开的实施例>>

<驾驶控制装置的配置示例>

图1是描述应用本公开的机动车驾驶控制装置的实施例的配置示例的框图。

图1所示的驾驶控制装置被安装在机动车上以控制其驾驶。应该注意的是，虽然将通过以图1中所示的控制机动车的驾驶的驾驶控制装置为例给出描述，但是该驾驶控制装置可应用于其它车辆等，只要车辆可以由驾驶员(包括飞行员)驾驶(领航)。

虽然图1所示的驾驶控制装置11控制机动车的驾驶，但是存在两种驾驶模式。第一种模式是手动驾驶模式，其中驾驶员通过操作制动器和转向器来驾驶机动车。第二种模式是自主驾驶模式，其中在无需驾驶员干预驾驶操作的情况下自主驾驶机动车。

该驾驶模式可以由用户选择性地指定，并且驾驶控制装置11以指定的驾驶模式控制机动车。

更具体地，在手动驾驶模式下，驾驶控制装置11基于检测部34的检测结果，通过学习来生成反映每个驾驶员的驾驶嗜好和习惯等的个人化函数。检测部包括与驾驶员对操作部31的操作细节(诸如转向器和制动器的操作细节(例如，转向角和踏板踏力))、外界12以及机动车车体行为联接的各种传感器。驾驶控制装置11在驾驶结束时更新个人化函数。

另一方面，在自主驾驶模式中，驾驶控制装置11控制包括使外界12和机动车车体进行动作的多个组件的车体动作部33，获取包括联接到外界12和机动车车体的各种传感器的检测部34的检测结果，并且确定构成车体动作部33的每个组件的动作以实现自主驾驶。

此外，当驾驶控制装置11在自主驾驶模式下基于包括各种传感器的检测部34的检测结果确定构成车体动作部33的每个组件的动作时，驾驶控制装置11使用通过学习获得的个人化函数来校正操作动作，并且通过使构成车体动作部33的各个部件进行动作来实现适合驾驶员的嗜好和习惯的自主驾驶。

更具体地，在自主驾驶模式下，驾驶控制装置11基于检测部34的检测结果，发现两种动作，即深思动作和反射动作，并基于发现的两种动作确定最终的自主驾驶动作。

这里，深思动作指的是虽然需要相对长的处理时间，但通过使用检测部34的检测结果通过深思处理来以足够高的精度确定的动作。当需要非常少量时间的动作不需要时，使用深思动作。

另一方面，检测部34的反射动作指的是通过比确定深思动作的处理更简单的处理在不花费很多时间的情况下快速确定的动作。主要在短时间段内需要动作时使用反射动作。

驾驶控制装置11通过使用这些深思动作和反射动作来确定构成车体动作部33的各个组件中的每个组件的动作的细节，以实现自主驾驶。

更具体地，驾驶控制装置11包括自主驾驶控制块21、个人化块22、操作部31、手动驾驶控制部32、车体动作部33、检测部34以及显示部35。

自主驾驶控制块21基于由检测部34检测到的各种检测结果和个人化函数来在自主驾驶模式下控制构成车体动作部33的每个组件的动作。

相反，手动驾驶控制部32响应于在通过驾驶员对诸如转向器或制动器的每个组件进行操作以使车体进行动作时的操作信号，在手动驾驶模式下控制构成车体动作部33的每个组件的动作。

个人化块22基于响应于构成车体动作部33的各种组件的动作，驾驶员在手动驾驶模式下操作的操作部31的操作细节以及检测部34的检测结果，发现驾驶员的个人化函数并且在自主驾驶模式下提供该函数。个人化函数被设计为反映驾驶动作中的个人嗜好和习惯。因此，由于使用个人化函数来校正在自主驾驶模式下确定的构成车体动作部33的各个组件中的每个组件的动作，因此能够通过反映每个驾驶员的嗜好和习惯来定制自主驾驶模式下的驾驶动作，从而确保自主驾驶中提高的舒适性。

除了与驾驶相关的各种操作装置(诸如转向器、制动器踏板和加速器踏板)之外，操作部31还为驾驶员、用户可以在机动车中操作的那些装置的几乎所有操作生成操作信号，所述那些装置范围从与构成安装有驾驶控制装置11的机动车车体的各种组件的操作相关的操作装置(诸如转向信号灯、挡风玻璃雨刷器、窗户垫圈、喇叭、灯和仪表板)到用于在手动驾驶模式和自主驾驶模式之间切换的操作装置。操作部31将操作信号提供给个人化块22和手动驾驶控制部32。

手动驾驶控制部32基于从操作部31提供的操作信号，向车体动作部33提供指示各种动作的指令，并且使用于使构成车体动作部33的机动车车体进行动作的各个组件进行动作。

车体动作部33包括用于使机动车车体进行动作的特定的一组组件，并且例如是用于使机动车车体进行动作的一组各种部件，诸如方向盘、制动器和发动机。

检测部34包括用于检测与安装有驾驶控制装置11的机动车车体的动作相关的各种状态的一组传感器。这些传感器包括用于检测机动车的位置的GPS(全球定位系统)，方向盘转向角、速度和3D加速度传感器，偏航、滚转和俯仰传感器，相机(图像传感器)(包括立体相机传感器)，雨滴检测传感器，浓雾传感器，照度传感器，大气压力传感器，胎压传感器，毫米波雷达(毫米波传感器)，红外传感器，信标传感器以及温度、压力和各种组件的其他传感器。检测部34将检测结果提供给自主驾驶控制块21和个人化块22。

显示部35是例如包括设置在仪表板中的LCD(液晶面板)并且显示当前驾驶模式，自主驾驶模式或手动驾驶模式，或者自主驾驶模式或手动驾驶模式中的各种信息的显示装置。显示部35可以与操作部31具有一体结构，以例如充当触摸面板。通过具有这种配置，可以显示例如用于在自主驾驶模式和手动驾驶模式之间切换的操作按钮，从而通过接受通过触摸操作的输入来切换这些模式。

自主驾驶控制块21是确定机动车的车体动作部33的每个组件在自主驾驶模式下的动作的模块。更具体地，自主驾驶控制块21包括反射动作确定部51、深思动作确定部52、自主驾驶控制部53和个人化函数存储部54。

反射动作确定部51基于检测部34的检测结果，通过比由随后将描述的深思动作确定部52执行的处理简单的处理确定构成车体动作部33的各个组件在自主驾驶模式下的动作，并将与确定的动作匹配的命令提供给自主驾驶控制部53。

反射动作确定部51例如在到前方的机动车的距离比给定距离短时并且在速度高于给定速度时，判定存在碰撞风险，并且确定例如使用于采取诸如转向动作或自动制动的紧急避免行为的所谓的预碰撞安全装置进行动作的动作。然后，反射动作确定部51从个人化函数存储部54读取具有在其中反映和指定的每个驾驶员的嗜好和习惯的个人化函数，以反映驾驶员的偏好的方式校正与反射动作相关联的命令，并将该命令提供给自主驾驶控制部53。

也就是说，反射动作包括多个非常紧急的动作，这些动作需要在极短的时间段内作出判定。因此，反射动作在一定程度上可以包括关于检测结果的多个预定动作，并且这使得能够确定允许在极短的时间段内作出响应的动作。在下文中，由该反射动作确定部51确定的动作将被简单地称为反射动作。

深思动作确定部52基于检测部34的检测结果，通过比由反射动作确定部51执行的处理更深思的处理来确定构成车体动作部33的各组件中的每一个在自主驾驶模式下的动作，并将相关联的命令提供给自主驾驶控制部53。然后，深思动作确定部52从个人化函数存储部54读取具有在其中反映和指定每个驾驶员的嗜好和习惯的个人化函数，以反映驾驶员的偏好的方式校正与深思动作相关联的命令，并且将该命令提供给自主驾驶控制部53。

因此，由于驾驶员的偏好被反映到反射动作和深思动作中，因此能够确保在自主驾驶模式下每个驾驶员的改善的舒适性。

深思动作确定部52确定例如当在窄路上经过迎面而来的车辆时控制转向操作的动作，估计自己车辆与迎面而来的车辆之间不断变化的车间距以及车体适应多次进行的转向操作，以及确定相对耗时的动作，诸如适合估计结果的动作。在下文中，由深思动作确定部52确定的动作将被简单地称为深思动作。

自主驾驶控制部53基于从反射动作确定部51提供的反射动作命令和从深思动作确定部52提供的深思动作指令，确定车体动作部33在自主驾驶模式下的动作，并将相关联的命令提供给车体动作部33。

通常，反射动作确定部51可以比直到深思动作确定部52确定深思动作所需的处理时间更快地确定反射动作。但是，应该注意的是，根据从检测部34获得的检测结果的状况，直到确定深思动作所需的处理时间可以短于直到确定反射动作所需的处理时间，并且处理时间可以大致相同。

此外，自主驾驶控制部53基于反射动作和深思动作，并且通常在相互处理结果彼此一致的前提下来确定动作，并将相关联的动作信号提供给车体动作部33。

但是，根据检测结果，反射动作和深思动作可能会相互冲突。因此，自主驾驶动作时通过从以下多个解决模式中选择的解决模式来确定的：

也就是说，有七(7)种解决模式，即第一解决模式，其优先考虑深思动作或反射动作；第二解决模式，其选择“先到优先”或“后到替换”；第三解决模式，其优先考虑优先级水平或确定性水平较高的一方；第四解决模式，其采取使用两种动作的加权平均或多数判定；第五解决模式，其将两者彼此相对的事实添加到输入，使得通过这两者进行重新计算；第六解决模式，其优先考虑命令本身的优先级水平；以及第七解决模式，其在既不发出深思动作也不发出反射动作的情况下停车或保持当前状态。此外，还有第八解决模式，其允许驾驶员的判定进行干预，这使得共有八种解决模式。应该注意的是，这里引用的八种解决模式仅仅是示例，并且可以进一步指定其他解决模式。

通过预先使用操作部31，能够指定上述八种解决模式中的哪一种被用于解决冲突。因此，自主驾驶控制部53存储解决模式设定的细节，使用深思动作和反射动作来根据所存储的解决模式，确定车体动作部33在自主驾驶模式下的动作，并将该动作提供给车体动作部33。

深思动作确定部52包括环境识别部71、局部地图处理部72、全局地图处理部73、路线规划部74和行为规划部75。

环境识别部71识别本车辆周围的环境，生成作为识别结果的环境信息，并将该信息提供给局部地图处理部72。本车辆的环境信息是局部地图处理部72和全局地图处理部73所需的信息，并且包括例如指示地球上的位置(在作为地图上的路线指定的路线上的位置)的GPS信息以及由图像传感器或其他设备捕获以识别正在行驶的道路上的车道和路况的图像。环境信息还包括周围环境信息、交通阻塞信息等，诸如包括本车辆的行驶速度、天气和交通信息的信标信息。

局部地图处理部72从基于检测结果提取的环境信息提取车辆周围的基于局部地图的窄范围信息(诸如正在行驶的道路上的车道的位置、行驶速度、道路的详细形状、交通标志、交通信号灯等)作为局部信息，并将该信息提供给行为规划部75。局部地图处理部72还将环境信息提供给全局地图处理部73。

全局地图处理部73提取车辆周围的基于全局地图的宽范围信息(诸如从始发地到目的地的路线中从交通阻塞状况和事故信息到交通阻塞预期的环境信息中包括的GPS信息和信标信息)作为全局信息，并将该信息提供给路线规划部74。

也就是说，局部信息是基于局部地图(覆盖距离车体相对短距离的地图信息)与机动车车体的周围相关的相对窄范围内的信息。相反，全局信息是基于全局地图(覆盖距离车体相对远的地图信息)从现在开始行驶的路线上与机动车车体的周围相关的相对宽范围的信息。

路线规划部74基于从全局地图处理部73提供的全局信息来规划本车辆的行驶路线，并将该路线作为路线规划信息提供给行为规划部75。

行为规划部75基于局部信息和路线规划信息来规划用于使车体动作部33进行动作的行为，并且将相关联的命令作为深思动作提供。更具体地，行为规划部75在由于基于详细的道路形状和行驶的车道信息、局部信息以及从全局信息中发现的路线信息的诸如接下来右转或左转的路线与当前行驶的车道之间的关系而需要改变车道时，确定例如改变车道所需的转向器的转向角、制动定时、加速器开启角度等作为深思动作。行为规划部75将与深思动作相关联的命令提供给自主驾驶控制部53。

个人化块22包括个人化函数学习部91、学习结果存储部82、学习结果验证部93、验证结果判定部94和个人化函数更新部95。

个人化函数学习部91基于从操作部31提供的操作信号和从检测部34提供的各种检测结果，通过学习发现针对每个驾驶员的个人化函数，并将该函数存储在学习结果存储部92中。也就是说，个人化函数学习部91被设计为基于驾驶员在手动驾驶模式中实际操作操作部31驾驶期间的操作信号并基于检测部34此时的检测结果，通过学习发现反映驾驶员的驾驶嗜好和习惯的个人化函数。因此，根据手动驾驶模式下的驾驶时间的长度，学习时间越长，个人化函数就越强烈地反映每个驾驶员的嗜好和习惯。

此外，个人化函数学习部91可以为相同的驾驶员指定多个个人化函数。也就是说，驾驶员的驾驶动作并不总是恒定的，而是根据身体和精神状况而改变。

因此，能够针对多个驾驶模式中的每个驾驶模式为驾驶员的每种情绪指定所请求的个人化函数作为个人化函数。

例如，当利用缓慢制动和加速操作以操作信号请求的“慢速且安全”方式进行驾驶时使用的个人化函数可以用作第一模式。此外，当以用于在短距离停车的制动操作的操作信号或者用于以强烈的方式反复踩下和释放加速器踏板的操作信号所请求的“快速”方式进行驾驶时使用的个人化函数可以用作第二模式。然后，从这些“慢速且安全”和“快速”方式的参数的平均或加权平均获得的第三个人化函数可以用作第三模式。

因此，通过为相同的驾驶员指定多个个人化函数以匹配驾驶员在手动驾驶模式下的情绪，能够改变自主驾驶动作以适应当时驾驶员的情绪，从而有助于自主驾驶中提高的舒适性。应该注意的是，个人化函数中适合每个驾驶员的情绪的这种模式将被称为用户模式。因此，驾驶控制装置11能够针对每个驾驶员和针对每个用户模式在手动驾驶模式下学习个人化函数，并且能够针对每个驾驶员和针对每个用户模式在自主驾驶模式下进行充足的校正。

学习结果验证部93在驾驶结束时读取学习结果存储部92中存储的学习结果、个人化函数，经由网络(典型地，因特网)将个人化函数提供给外部验证装置13，请求对个人化函数的验证，并获取验证结果。

验证装置13是例如由云计算实现的装置。当驾驶控制装置11请求验证个人化函数时，验证装置13通过虚拟地使用个人化函数和通过模拟实现自主驾驶来验证安全性，并提供验证结果。更具体地，验证装置13使用个人化函数校正由自主驾驶控制部53虚拟地确定的命令，并且反复模拟车体动作部33的动作进行达设定的时间段，从而使用个人化函数来再现自主驾驶，记录此时的行驶信息作为验证结果，并将验证结果提供给驾驶控制装置11。应该注意的是，随后将参照图15描述验证装置13的详细配置。

当获取了使用个人化函数的模拟结果、验证结果时，验证结果判定部94基于例如在模拟期间是否没有事故地完全采取了预期的避险行为来验证个人化函数是否被保证为安全的。然后，验证结果判定部94判定验证装置13的验证结果，并将该判定结果提供给个人化函数更新部95。

当即使在利用个人化函数校正命令之后，判定结果也可以被认为是安全的而不可能发生事故时，个人化函数更新部95读取存储在学习结果存储部92中并且通过验证装置13确保其安全性的个人化函数，并且更新存储在个人化函数存储部54中的个人化函数。

通过这样的一系列的处理，能够使用在其中反映了用户的偏好且其安全性得到保证的个人化函数来对车体动作部33的各种命令进行校正，以及实现自主驾驶模式下的驾驶控制处理。因此，能够在自主驾驶模式下实现安全和舒适的自主驾驶。应该注意的是，如果提供给验证装置13的个人化函数的验证结果有问题，则可以进一步从验证装置13提供发生问题的情况下的数据，以便将数据反馈到个人化函数学习部91进行再学习。

<驾驶控制处理>

接下来将参照图2所示的流程图描述由图1所示的驾驶控制装置11处理的驾驶控制处理。应该注意的是，虽然自主驾驶模式或手动驾驶模式中的任一个通常指定为驾驶模式，但是在这里假设手动驾驶模式被指定为默认模式，并且驾驶模式可以在驾驶开始后切换到自主驾驶模式。此外，默认驾驶模式可以是自主驾驶模式和手动驾驶模式中的任一种，并且可以自由指定任一模式。

在步骤S11中，手动驾驶控制部32通过操作操作部31来判定是否已经开始驾驶，并重复相同的处理直到开始驾驶。也就是说，在这种情况下，例如，可以基于包括用于启动发动机和启用驾驶操作的启动按钮等的操作部31是否已经被操作来进行是否已经开始驾驶的判定。在步骤S11中，当判定已经开始驾驶时，处理进行到步骤S12。

在步骤S12中，手动驾驶控制部32对驾驶员进行认证。例如，手动驾驶控制部32在显示部35上显示图3左侧所示的看起来好像提示用于识别驾驶员的信息输入的显示图像，接受操作输入，并根据接受的操作细节识别驾驶员。

应该注意的是，假设显示部35是与操作部31一体的触摸面板而显示的显示图像的示例在图3的左侧示出。“驾驶员检查”被在最上面的行示出，并且操作按钮101-1至101-3在其下方从左开始示出。在相应的位置处，“Taro”、“Hanako”和“Jiro”显示为预先注册的驾驶员的姓名。然后，在图3的左侧显示栏102，其示出作为操作按钮101-3的操作的结果选择了“Jiro”。因此，在这种情况下，手动驾驶控制部32识别出驾驶员是“Jiro”。此外，如果驾驶员是新用户，则可以单独显示注册图像以提示注册。

此外，驾驶员的识别可以通过使用捕获车辆内部的图像的相机的面部图像识别来实现。或者，只要可以识别驾驶员，就可以使用诸如指纹认证、手掌认证、静脉认证、视网膜认证和声纹认证的其他认证方法。

在步骤S13中，手动驾驶控制部32指定用户模式。也就是说，例如，手动驾驶控制部32显示如图3右侧所示指定为适合驾驶员情绪的个人化函数的模式、用户模式的图像，提示选择一个用户模式，接受操作输入，并根据所接受的操作细节识别用户模式。

也就是说，在图3的右侧，在最上面的行示出“Jiro的驾驶日”，并且在其下方示出可选的用户模式，其中从左开始出现按钮105-1至105-3。在相应的位置处，“慢速且安全”、“平衡”和“快速”作为用户模式出现。然后，在图3的右侧显示栏106，其示出作为按钮105-3的操作的结果选择了“快速”。在这种情况下，手动驾驶控制部32识别出用户模式是“快速”。

应该注意的是，用户模式可以通过使用触摸面板以外的装置来指定。例如，可以通过音频输入来指定用户模式。或者，可以通过物理按钮或开关来选择用户模式。同时，可以指定新的用户模式，并且在这种情况下，可以显示图像以提示注册新的用户模式。

在步骤S14中，手动驾驶控制部32显示图像以提示指定用于解决在自主驾驶模式下可能在深思动作和反射动作之间发生的冲突的解决模式的规格，并将指定的解决模式存储在自主驾驶控制部53中。

也就是说，指定了八(8)种解决模式中的一个，即，第一解决模式，其优先考虑深思动作或反射动作；第二解决模式，其选择“先到优先”或“后到替换”；第三解决模式，其优先考虑优先级水平或确定性水平较高的一方；第四解决模式，其采用使用两种动作的加权平均或多数判定；第五解决模式，其将两者彼此相对的事实添加到输入，使得通过这两者进行重新计算；第六解决模式，其优先考虑命令本身的优先级水平；第七解决模式，其在既不发出深思动作也不发出反射动作的情况下停车或保持当前状态；或第八解决模式，其接受驾驶员对解决的干预。此外，如果在任何解决模式中都存在选项，则指定对选项的选择。

具体地，例如可以通过显示如下图像来进行该处理，在所述图像中设置选择按钮不仅用以选择第一至第八解决模式中的一个，而且在每个解决模式中存在其他选项的情况下，用以选择选项中的一个，如图3右侧所完成的，以便指定其选择按钮已被按下的解决模式。可以在操作部31上设置允许始终物理选择解决模式的选择按钮。或者，始终以固定的方式选择解决模式中的一个。

例如，带选项的解决模式指的是第一解决模式。也就是说，由于第一解决模式是优先考虑深思动作或反射动作的模式，因此应当优先考虑的项目(即深思动作或反射动作)用作选项。出于这种原因，当选择第一解决模式时，还需要指定选项，深思动作或反射动作。在除了第五、第六和第八解决模式以外的解决模式下，同样需要指定选项。

应该注意的是，步骤S14中的解决模式选择处理一旦被指定就不总是必需的。因此，该处理只有在驾驶员请求时才能执行。或者，模式中的一个可以被指定为默认模式。此外，如果设置了物理按钮，则可以在操作物理按钮时立即改变该设定，而不管该按钮何时被操作。

在步骤S15中，手动驾驶控制部32判定驾驶模式是否为自主驾驶模式。关于驾驶模式是自主驾驶模式还是手动驾驶模式的判定，例如，可以通过是否例如通过操作始终在显示部35上出现的选择器开关(未示出)执行切换操作的判定来判定驾驶模式是否已经改变。

此外，可以设置物理开关或按钮(均未示出)，以便可以改变驾驶模式。当假设在步骤S15中执行了切换操作并且手动驾驶模式(默认模式)已被切换到自主驾驶模式时，处理进行到步骤S16以执行自主驾驶处理。在这种情况下，主要负责控制的部件从手动驾驶控制部32切换到自主驾驶控制部53，使得自主驾驶控制部53处理自主驾驶处理。

另一方面，当在步骤S15中驾驶模式保持默认模式，即手动驾驶模式，而不是自主驾驶模式时，处理进行到步骤S17，以执行手动驾驶处理。在这种情况下，手动驾驶控制部32保持主要负责控制的部件并处理手动驾驶处理。

此外，当到目前为止已经执行了自主驾驶处理时，并且当作为步骤S15中的处理的结果将驾驶模式切换到手动驾驶模式时，在步骤S17中执行手动驾驶处理。在这种情况下，主要负责控制的部件从自主驾驶控制部53切换到手动驾驶控制部32，使得手动驾驶控制部32处理手动驾驶处理。

应当注意的是，除非另有说明，否则在下文中将通过假设选择手动驾驶模式(即默认模式)，也就是说，手动驾驶控制部32主要负责控制来给出描述。但是，应当注意的是，当在自主驾驶模式下执行处理时，自主驾驶控制部53负责控制。关于在图2所示的流程图中描述的处理，执行与手动驾驶控制部32相同的处理。此外，随后将详细描述自主驾驶处理和手动驾驶处理。

在步骤S18中，手动驾驶控制部32判定是否通过操作操作部31执行了用于终止驾驶的操作。当在步骤S18中尚未执行用于终止驾驶的操作时，处理进行到步骤S19。

在步骤S19中，手动驾驶控制部32判定驾驶员是否已经改变。例如，手动驾驶控制部32判定是否执行了任何操作以作为操作部31的操作的结果请求改变驾驶员。例如，如果在步骤S19中驾驶员已经改变，则处理返回到步骤S12。也就是说，通过从步骤S12到步骤S14的处理，对改变后的驾驶员执行驾驶员认证处理、用户模式指定和解决模式指定，随后是后续的处理。

另一方面，当在步骤S19中驾驶员没有改变时，处理返回到步骤S15。也就是说，从步骤S12到步骤S14的处理被跳过。

当在步骤S18中假设执行了用于终止驾驶的操作时，处理进行到步骤S20。

在步骤S20中，个人化模块22执行个人化函数更新处理，验证通过手动驾驶学习的个人化函数并根据验证结果更新个人化函数。应该注意的是，随后将详细描述个人化函数更新处理。

由于上述处理，能够实现在自主驾驶模式和手动驾驶模式之间切换的驾驶控制，并且使得还能够通过学习来生成随后将描述的手动驾驶模式中学习的个人化函数，并进一步更新该个人化函数。

<自主驾驶处理>

接下来，将参照图4所示的流程图，对由图1所示的驾驶控制装置11处理的自主驾驶处理进行描述。

在步骤S31中，检测部34将由一组各种传感器检测到的多个检测结果全部提供给自主驾驶控制块21和个人化块22。

在步骤S32中，反射动作确定部51基于检测结果(或检测结果中的一些)确定反射动作。

在步骤S33中，反射动作确定部51读取存储在个人化函数存储部54中的个人化函数中的与当前指定的用户模式相关联的经认证的驾驶员的函数，并且利用该个人化函数校正确定为反射动作的动作。

在步骤S34中，深思动作确定部52通过执行深思动作确定处理来确定深思动作。

<深思动作确定处理>

这里将参照图5所示的流程图来对深思动作确定处理进行描述。

在步骤S51中，环境识别部71基于从检测部34提供的检测结果来提取环境信息，并将该信息提供给局部地图处理部72。

在步骤S52中，局部地图处理部72从环境信息中提取本车辆周围的局部信息，并将该信息提供给行为规划部75。此外，局部地图处理部72将环境信息提供给全局地图处理部73。

在步骤S53中，全局地图处理部73从环境信息中提取包括从现在开始将要由本车辆行驶的路线周围的地区的地图信息和该路线上的交通信息的全局信息，并且将该全局信息提供给路线规划部74。

在步骤S54中，路线规划部74基于从全局地图处理部73提供的全局信息来规划本车辆的行驶路线，并将该路线作为路线规划提供给行为规划部75。也就是说，路线规划部74基于例如交通信息搜索从当前位置到目的地的路线，并且在路线上存在交通阻塞时，通过搜索通往该目的地，同时避免交通阻塞的路线来规划路线。

在步骤S55中，行为规划部75基于局部信息和路线规划来规划用于使车体动作部33进行动作的行为，将规划结果视为深思动作，并将与该深思动作相关联的命令提供给自主驾驶控制部53。也就是说，行为规划部75在由于基于详细道路形状和行驶车道信息、局部信息以及从全局信息中发现的路线信息的诸如接下来右转或左转的路线与当前行驶的车道之间的关系而需要改变车道时，确定例如改变车道所需的转向器的转向角、制动定时、加速器开启角度等作为深思动作。行为规划部75将与深思动作相关联的命令提供给自主驾驶控制部53。

由于上述处理，从检测结果中发现环境信息，从环境信息中发现局部和全局信息，从全局信息中指定路线，并且从指定的路线和局部信息中发现深思动作。

这里，返回到图4所示的流程图的描述。

在步骤S35中，深思动作确定部52的行为规划部75读取存储在个人化函数存储部54中的个人化函数中的与当前指定的用户模式相关联的经认证的驾驶员的函数，并且利用该个人化函数校正确定为深思动作的动作。

在步骤S36中，自主驾驶控制部53判定是否由于深思动作与反射动作之间的不匹配，而在深思动作与反射动作之间存在冲突。当在步骤S34中确定存在冲突时，处理进行到步骤S35。

在步骤S37中，自主驾驶控制部53通过执行冲突解决处理来解决深思动作与反射动作之间的冲突，确定要由车体动作部33执行的动作，并且将与所确定的动作相关联的命令提供给车体动作部33。应该注意的是，随后将参照图6和7详细描述冲突解决处理。

应该注意的是，当在步骤S36中判定不存在冲突时，跳过步骤S37中的处理。

然后，在步骤S38中，自主驾驶控制部53将与要由车体动作部33执行的动作相关联的指令提供给车体动作部33。也就是说，当反射动作与深思动作之间存在匹配时，自主驾驶控制部53将与匹配动作相关联的命令提供给车体动作部33。当由于反射动作与深思动作之间的不匹配而在反射动作与深思动作之间存在冲突时，自主驾驶控制部53向车体动作部33提供与由冲突解决处理确定的动作相关联的命令。结果，车体动作部33根据来自自主驾驶控制部53的命令而动作。

结果，如随后将要描述的那样，由于通过驾驶员自己在手动驾驶模式下驾驶时学习到的个人化函数单独地校正反射动作和深思动作，因此能够将经认证的驾驶员的嗜好和习惯反映到动作中，从而使得能够实现安全的自主驾驶和适合每位驾驶员的舒适的自主驾驶。

应该注意的是，图4表明首先执行由步骤S32和S33中的处理所实现的包括对反射动作的确定和对针对所确定的反射动作的个人化函数的校正的一系列反射动作相关处理，随后是由步骤S34和S35中的处理所实现的包括对深思动作的确定和对针对所确定的深思动作的个人化函数的校正的一系列深思动作相关处理。

但是，上述的反射动作相关处理和深思动作相关处理是由从图1所示的框图中也可以明显看出的在检测部34和自主驾驶控制部53之间并行配置的反射动作确定部51和深思动作确定部52单独执行的处理。因此，反射动作相关处理和深思动作相关处理是并行(即同时)执行的处理。虽然图4中所示的流程图示出了这些处理，就好像首先执行反射动作相关处理，随后是深思动作相关处理，但这是为了方便用单个流程图进行描述的结果。当然，可以示出的是首先执行深思动作相关处理，随后是反射动作相关处理。此外，出于同样的原因，反射动作相关处理和深思动作相关处理可以被示出为并行地同时处理的单独的流程图。在这种情况下，图4中从步骤S36开始的处理仅在反射动作相关处理和深思动作相关处理完成之后才执行。

<冲突解决处理>

接下来参照图6和7所示的流程图给出对冲突解决处理的描述。

在步骤S71(图6)中，自主驾驶控制部53由于深思动作和反射动作之间的不匹配，而通过将指示发生冲突的信息显示给显示部35，来向驾驶员呈现深思动作和反射动作之间发生冲突。例如，如图8所示，自主驾驶控制部53在安装驾驶控制装置11的机动车的与显示部35对应的仪表板111中显示指示发生冲突的标记124。应该注意的是，速度表121、转速表122和燃油表123在图8所示的仪表板111中各自以具有针的盘形仪表的形式从左开始出现，并且指示发生冲突的标记124作为包括指向三个方向的箭头的标记出现在燃油表123的左上方。驾驶员可以通过视觉地识别该标记124来识别由于深思动作和反射动作之间的不匹配，而在深思动作和反射动作之间的冲突。驾驶员可以感觉到他或她能够自己切换到手动驾驶模式并在需要时手动驾驶，使得能够保持由于突然需要自己开车导致最小的无意动作。

应该注意的是，虽然示出了标记124被显示并且呈现给驾驶员作为发生冲突的示例的示例，但是可以以其他方式呈现发生冲突。例如，可以通过音频、板振动等来呈现发生冲突。

在步骤S72中，自主驾驶控制部53判定发生冲突的情况下的解决模式是否是相对另一方优先选择深思动作或反射动作的解决模式。例如，当在步骤S72中判定解决模式不是相对另一方优先选择深思动作或反射动作的模式时，处理行进到步骤S73。

在步骤S73中，自主驾驶控制部53选择预先指定的解决模式中的指定动作，深思动作或反射动作，作为确定的动作，并且处理行进到步骤S85(图7)。

例如，假设反射动作是一种如同跟在在前面的车辆之后同时保持在当前行驶的车道上的动作，并且深思动作是一种适合考虑到目的地的路线搜索避开施工作业和交通阻塞的路线的结果的动作。

这里，当设置为使得优先考虑深思动作时，并且当例如由于获取了新的交通信息而改变最佳路线时，优先考虑诸如行驶通过搜索避开施工作业和交通阻塞的路线而发现的路线的动作作为深思动作。结果，实现了引导机动车绕行以避开交通阻塞作为机动车的路线的动作，从而确保了所需减少的时间。

还假设反射动作是如果通过向前的毫米波雷达检测到给定尺寸或更大尺寸的障碍物时执行紧急制动操作的动作，并且深思动作是以适合周围环境的恒定速度实现车道内驾驶的动作。

这里，当设置为使得优先考虑反射动作时，并且如果有人冲出到道路上，则能够通过基于反射动作的极短时间的动作来避免事故。

另外，在步骤S72中，当确定解决模式不是相对另一方优先选择深思动作或反射动作的解决模式时，处理进行到步骤S74。

在步骤S74中，自主驾驶控制部53判定发生冲突的情况下的解决模式是否为选择“先到优先”或“后到替换”的解决模式。当在步骤在S74中判定模式不是选择“先到优先”或“后到替换”的模式时，处理进行到步骤S75。

在步骤S75中，自主驾驶控制部53选择预先指定的解决模式中的针对指定的方案指定的动作，即“先到优先”或“后到替代”，作为确定的动作，并且处理行进到步骤S85(图7)。

指示深思动作和反射动作的命令均明确或隐含地指定执行时间(例如，4毫秒)。通常，命令以到达的顺序在列表中累积，并从列表中的第一个开始执行。因此，该动作是以“先到优先”为基础确定的。这实现了在恒定时间循环中的加速度器和转向器控制、预测驾驶等。因此，当指定了“先到优先”时，通过共同处理来确定该动作。

此外，每个控制模块响应于诸如中断的情况改变而及时发出命令，并且除非到那时刻的行为改变，否则不执行任何操作。另一方面，如果表示直到那时刻的动作的命令在随后到达的新命令到达时被该新命令覆盖，并且如果该动作立即切换到由随后的命令表示的动作，则可以实现快速动作。因此，在这种情况下，解决模式选择深思动作还是反射动作不是确定动作的因素，并且在任何情况下，当前动作命令被随后到达的动作命令覆盖。

另外，当在步骤S74中判定解决模式不是选择“先到优先”或“后到替换”的模式时，处理进行到步骤S76。

在步骤S76中，自主驾驶控制部53判定在发生冲突的情况下的解决模式是否是选择优先级水平或确定性水平较高的一方的解决模式。当在步骤S76中判定例如解决模式是选择优先级水平或确定性水平较高的一方的模式时，处理进行到步骤S77。

在步骤S77中，自主驾驶控制部53选择预先指定的解决模式中的具有较高的优先级水平或确定性水平的动作作为确定的动作，并且处理行进到步骤S85(图7)。

指示响应诸如中断的情况改变而紧急发出的各种深思动作和反射动作的命令具有高优先级标志。如果列表中累积的命令或正在执行的命令的优先级标志低于新命令的优先级标志，则自主驾驶控制部53即使通过取消也将列表中的命令或正在执行的命令替换为新命令(例如，紧急制动)。因此，在这种情况下，所确定的动作可以是反射动作或深思动作。

此外，反射动作和深思动作在优先级水平方面可以是相等的，并且可以根据被识别为环境信息的信息的可靠性水平来选择其中的任一个。

也就是说，例如，假设反射动作和深思动作分别是增速动作和减速动作。在这种情况下，例如，当大意是前方没有车辆的环境信息高度可靠时，增加速度将是确定的动作。当大意是前方存在障碍物的环境信息高度可靠时，降低速度将是确定的动作。

此外，例如，假设反射动作和深思动作分别是通过前方在与本车辆相同的方向上行驶的车辆的动作，和跟随前方在与本车辆相同的方向上行驶的车辆的动作。在这种情况下，当大意是前方在与本车辆相同的方向上行驶的车辆是自行车的环境信息高度可靠时，通过该自行车可能是确定的动作，并且当大意是前方在与本车辆相同的方向上行驶的车辆是机动车的环境信息高度可靠时，跟随该机动车可能是确定的动作。

因此，同样在这种情况下，所确定的动作可以是反射动作或深思动作。

当在步骤S76中判定解决模式不是选择优先级水平或确定性水平较高的一方的模式时，处理进行到步骤S78。

在步骤S78中，自主驾驶控制部53判定发生冲突的情况下的解决模式是否是通过加权平均或多数判定来确定动作的解决模式。例如，当在步骤S78中判定解决模式是通过加权平均或多数判定来确定动作的模式时，处理进行到步骤S79。

在步骤S79中，自主驾驶控制部53选择预先指定的解决模式中指定的动作(即，通过加权平均或多数判定确定的动作)作为确定的动作，并且处理进行到步骤S85(图7)。

也就是说，当反射动作和深思动作是指定诸如转向角的连续值的动作时，可以通过使用每个动作的确定性水平的加权平均来确定动作。

应该注意的是，反射动作确定部51和深思动作确定部52二者确定构成车体动作部33的多个组件的多个动作，并且导致冲突的动作也是所述多个组件的多个动作。例如，当为了避免与前方的障碍物碰撞而进行紧急停止时，确定各动作，诸如制动以及通过涉及制动器和转向器的转向采取避开行为的动作。因此，在具有两个选项的分立动作(其示例是是否执行紧急制动)的情况下，可以通过使用多个这些动作的多数判定来确定动作。

当在步骤S78中确定解决模式不是通过加权平均或多数判定来确定动作的模式时，处理进行到步骤S80。

在步骤S80中，自主驾驶控制部53判定在发生冲突的情况下的解决模式是否是通过使用反射动作和深思动作的相互结果来确定动作的解决模式。当在步骤S80中判定例如解决模式是通过使用反射动作和深思动作的相互结果来确定动作的模式时，处理进行到步骤S81。

在步骤S81中，自主驾驶控制部53确定使用反射动作和深思动作的相互结果确定的动作作为确定的动作，并且处理进行到步骤S85(图7)。

也就是说，反射动作和深思动作是分开确定的动作。但是，如果在两者的判定之间存在差异，则自主驾驶控制部53例如控制反射动作确定部51和深思动作确定部52，以通过使用从相互处理发现的结果作为参考值重新计算相互动作，从而使两个动作彼此一致。另外，自主驾驶控制部53例如控制反射动作确定部51和深思动作确定部52，以重复用于发现反射动作和深思动作的重新计算，直到达到规定的重复次数，从而使两个动作彼此一致。

当在步骤S80中判定解决模式不是通过使用反射动作和深思动作的相互结果来确定动作的模式时，处理进行到步骤S82。

在步骤S82中，自主驾驶控制部53判定在发生冲突的情况下的解决模式是否是根据指示反射动作和深思动作的动作进行的指令的优先级水平来确定动作的解决模式。当在步骤S82中判定例如解决模式是根据指示反射动作和深思动作的动作进行的指令的优先级水平来确定动作的解决模式时，处理进行到步骤S83。

在步骤S83中，自主驾驶控制部53选择根据指示反射动作和深思动作的命令的优先级确定的动作作为确定的动作，并且处理进行到步骤S85(图7)。

也就是说，用于紧急制动等的命令是预先定义的，并且如果选择为反射动作或深思动作，则以最高优先级处理该动作。可以在除了紧急命令以外的命令之间建立优劣关系，以便在动作之间发生冲突的情况下基于优先级水平的优劣级别来确定动作。命令的优劣级别可以按照如下顺序预先指定：停止>在车道内直线向前驾驶>偏离车道>后退。

当在步骤S82中判定解决模式不是根据指示反射动作和深思动作的命令的优先级水平来确定动作的模式时，处理进行到步骤S84。

在步骤S84中，自主驾驶控制部53执行驾驶员干预处理，并通过驾驶员的操作的干预来解决冲突，并且确定动作。也就是说，这种情况被认为是通过接受驾驶员的干预来解决冲突的解决模式。

<驾驶员干预处理>

这里将参照图9所示的流程图给出对驾驶员干预处理的描述。

在步骤S101中，自主驾驶控制部53控制显示部35显示冲突的反射动作和深思动作作为解决候选，并显示提示选择动作中的一个用于解决冲突的图像。

也就是说，例如，在图10所示的仪表盘111中，在指示发生冲突的标记124的右侧显示冲突动作(即“a)保持车道”和“b)变到右车道”)作为解决候选131。可以通过触摸触摸面板来选择“a)保持车道”和“b)变到右车道”(即选择候选131)。

在步骤S102中，自主驾驶控制部53判定作为操作部31的操作的结果是否已经选择了解决候选中的一个。当在步骤S102中选择了图10所示的解决候选栏131中的“a)保持车道”和“b)变到右车道”中的一个时，处理进行到步骤S103。

在步骤S103中，自主驾驶控制部53选择解决候选栏131中显示的解决候选中的所选解决候选的动作作为确定的动作。

另一方面，当在步骤S102中没有选择解决候选栏131中的解决候选时，处理进行到步骤S104。

在步骤S104中，自主驾驶控制部53判定作为操作部31的操作的结果是否已经取消了自主驾驶模式。当检测到与取消自主驾驶模式的意图的表示(诸如显示部35上显示的选择器开关或按钮的操作和制动器踏板或加速器踏板的踩下)相对应的动作时，该动作被认为是取消自主驾驶模式的请求，并且处理进入步骤S105。

在步骤S105中，自主驾驶控制部53终止自主驾驶模式，以切换为手动驾驶模式。作为该处理的结果，手动驾驶处理将在下文中由手动驾驶控制部32执行。

此外，当在步骤S104中考虑到没有进行取消自主驾驶模式的请求时，处理行进到步骤S106。

在步骤S106中，自主驾驶控制部53判定发生冲突之后是否经过了设定的时间段。当在步骤S106中考虑到在发生冲突之后还没有经过设定的时间段时，处理返回到步骤S101，从而重复从步骤S101到步骤S106的处理直到经过了设定的时间段。然后，当在步骤S106中考虑到已经经过了设定的时间段时，处理进行到步骤S107。

在步骤S107中，自主驾驶控制部53考虑到解决模式选择停止机动车的行驶或保持当前状态的动作作为确定的动作，从而选择停止机动车或保持当前状态的动作作为确定的动作。在这种情况下，解决模式被认为是停止机动车而既不发出反射动作也不发出深思动作，或保持当前状态。

也就是说，如果不能解决反射动作和深思动作之间的冲突，或者如果命令累积列表中没有反射动作或深思动作，则从停止动作和当前状态保持动作中选择指定的动作为确定的动作。

也就是说，如果上述处理不能解决反射动作与深思动作之间的冲突，则能够通过允许驾驶员干预(允许驾驶员确定动作中的一个或取消自主驾驶模式以切换到手动驾驶模式，以便驾驶员自己驾驶车辆)来确定动作。另外，当没有驾驶员的干预时，停止机动车或保持当前状态，从而使得能够安全地停车或提示驾驶员手动驾驶。

这里返回到对图6和7所示的流程图的描述。

由于到目前为止的处理，由预先指定的解决模式中的一个确定动作，从而使得能够保持自主驾驶模式。另一方面，如果不能在自主驾驶模式下解决冲突，则能够在必要时提示驾驶员进行干预。

在步骤S85(图7)中，自主驾驶控制部53判定是否选择了在设定的时间段内的重复停止动作作为确定的动作。例如，当判定在设定的时间段内的重复停止动作被选择为确定的动作时，处理进行到步骤S86。

在步骤S86中，自主驾驶控制部53例如在显示部35上显示包含用于调整控制确定反射动作和深思动作所需的阈值和安全系数的参数的滑动条的界面(滑动条IF)图像，从而提示对控制阈值和安全系数的参数的调整。也就是说，自主驾驶控制部53例如显示包含如图11的滑动条IF的图像，从而提示对控制阈值和安全系数的参数的调整。图11示出了在转速计122下面出现的指示发生冲突的标记151和用于通过连续变量表示控制与深思动作和反射动作相关的阈值和安全系数的参数的计量器141，以及用于指定控制阈值和安全系数的参数的滑动条142。滑动条142在图11中通过触摸面板操作水平地移动，并且指定控制阈值和安全系数的参数以匹配计量器141上指向的位置。

应该注意的是，虽然这里描述了使用滑动条IF来指定控制阈值和安全系数的参数的示例，但是只要可以用滑动条IF来指定其他参数，就可以指定其他参数。例如，如果反射动作和深思动作可以分别用连续变量来处理，则当通过动作的加权平均确定动作时，可以指定添加到每个动作的权重等。

在步骤S87中，自主驾驶控制部53判定滑动条142是否已经被水平地操作，并且重复相同的处理，直到认为滑动条142已经被水平地操作。然后，当滑动条142被操作时，处理行进到步骤S88。

在步骤S88中，自主驾驶控制部53根据由滑动条142指定的重量发现作为深思动作和反射动作的加权平均的动作，并选择作为加权平均的该动作作为确定的动作。

应该注意的是，当在步骤S85中在设定的时间段内的重复停止动作不被认为是确定的动作时，跳过从步骤S86到步骤S88的处理。

也就是说，选择设定的时间段内的重复停止动作作为确定的动作的情况例如可能是在狭窄的道路上经过迎面而来的车辆的动作。此时，假设深思动作通过参照全局地图信息来确定行驶方向，反射动作观测周围情况，并且本车辆周围的空间的宽度小于由(本车辆宽度+余量θ)指定的宽度，选择停止动作作为确定的动作。

在这些情况下，例如，在存在停放在路边的自行车的情况下，所确定的动作可能无法逃离由于难以允许相对于本车辆宽度有足够的余量而导致所确定的动作是停止动作的状况。这种状况被称为死锁，并且作为继续选择安全动作的结果，停止动作被重复选择为确定的动作，并且车辆保持在该状况下结束。

通过在这里使用滑动条142改变余量θ，驾驶员能够在观察周围情况的同时调整机动车行为。更具体地，驾驶员可以通过使用滑动条142调整抽象的调整参数来控制机动车，而不是使用加速器和方向盘直接控制机动车的行为。

一般来说，普通驾驶员难以适当地指定这些调整参数。但是，如果可以使用如这里所示的滑动条142进行调整，则容易处理现实世界并且能够容易地进行调整，而不管驾驶员如何。

应该注意的是，作为调整值，在由该滑动条142所指定的权重偏离参考值时，通过使机动车减速能够使调整更容易。

<抑制发生冲突的改进>

到目前为止已经给出了对用于在发生冲突时根据预先指定的解决模式使用反射动作和深思动作来解决冲突的示例的描述。但是，能够通过抑制冲突本身的发生，使驾驶控制处理更加平滑。

例如，对于指定用于发现反射动作和深思动作的余量，指定第一个值和第二值。第一值几乎不包含余量，而第二值包含足够的余量，之后会为这些值发现第一和第二反射操作以及第一和第二深思操作。

然后，基于第一和第二反射动作以及第一和第二深思动作中的每一个来确定动作，从而使得能够减少冲突。

例如，当反射动作和深思动作选择向前驾驶动作或停止动作作为确定的动作时，确定的动作是根据第一和第二反射动作的组合以及第一和第二反射动作的组合确定的。

也就是说，图12垂直地示出了第一和第二反射动作的组合，并且水平地示出了第一和第二深思动作的组合。此外，“G”是基于第一和第二反射动作的组合以及第一和第二深思动作的组合来批准向前驾驶动作作为确定的动作的标记，并且“N”是不批准向前驾驶动作并选择停止动作作为确定的动作的标记。

也就是说，如果图12中所示的第一和第二反射动作的组合以及第一和第二深思动作的组合的都具有小的余量的第一反射动作和第一深思动作批准向前驾驶动作(G/X，其中X可以是N或G)，并且当第一反射动作是停止动作，但第二反射动作是向前驾驶动作(N/G)，并且同时，第一和第二深思动作都批准向前驾驶动作(G/G)时，或者当第一深思动作是停止动作，但第二深思动作是向前驾驶动作(N/G)，并且同时，第一和第二反射动作都批准向前驾驶动作(G/G)时，选择向前驾驶动作(G)作为确定的动作。

相反，如果图12中所示的第一和第二反射动作的组合以及第一和第二深思动作的组合中的都具有小的余量的第一反射动作和第一深思动作是停止动作(N/X，其中X可以是N或G)，并且当第一反射动作是向前驾驶动作，但第二反射动作是停止动作(G/N)，并且同时第一和第二深思动作都批准停止动作(N/N)时，或者当第一深思动作是向前驾驶动作，但第二深思动作是停止动作(G/N)，并且同时，第一个和第二反射动作批准停止动作(N/N)时，选择停止动作(N)作为确定的动作。

然后，在这种情况下，当第一和第二反射动作的组合以及第一和第二深思动作的组合包括向前驾驶动作两者(G/G)时，并且当它们包括停止动作两者(N/N)(图12中的三角形)时，发生第一冲突状况。另一方面，当每个组合包括向前驾驶动作和停止动作并且包括停止动作和向前驾驶动作(图12中的正方形)时，发生第二冲突状况。

在这种情况下，在第一冲突状况下，反射动作和深思动作产生相反的结果。因此，可以选择停止动作。在第二冲突状况下，反射动作和深思动作产生矛盾的结果。因此，可以通过驾驶员干预来解决冲突状况。

此外，在图12所示的第一和第二冲突状况中的每一种中，可以指定上述七种冲突解决模式中的一种。

因此，确定各自具有不同余量的多个反射动作和多个深思动作，并且基于多个动作模式来确定动作。这使得能够减少发生冲突，从而确保平稳的驾驶控制处理。

此外，虽然以上给出了对自主驾驶控制部53通过预先指定以确定动作的八种解决模式中的一种来解决冲突的处理的描述，但冲突可以例如通过冲突解决装置来解决，所述冲突解决装置使用诸如因特网的网络来通过外部服务器和云计算机单独实现，以实现更严格的冲突解决。

<手动驾驶过程>

接下来参照图13所示的流程图给出对手动驾驶处理的描述。

在步骤S121中，个人化块22的个人化函数学习部91选择学习结果存储部92中的用于学习通过认证识别的驾驶员的个人化函数的学习模型以及存储目的地DB(数据库)以匹配驾驶员和用户模式。应该注意的是，如果学习模型和存储目的地DB没有预先登记在学习结果存储部92中，则个人化函数学习部91创建要学习的新个人化函数以匹配用户模式和新存储目的地DB。

在步骤S122中，个人化函数学习部91从检测部34获取由各种传感器检测到的检测结果。

在步骤S123中，个人化函数学习部91基于从操作部31提供的操作信号来获取关于驾驶员的驾驶操作的操作信息。此时，手动驾驶控制部32获取相同的操作信号。

在步骤S124中，个人化函数学习部91使与当时的用户模式(即通过认证识别的驾驶员)的嗜好和习惯匹配的学习模型通过使用从操作部31获取的操作信息和从操作部34获取的检测结果学习个人化函数。

在步骤S125中，个人化函数学习部91将从学习获得的个人化函数与当时的用户模式(即通过认证识别的驾驶员)相关联地存储在学习结果存储部92中。

在步骤S126中，手动驾驶控制部32向包含使车体的各种动作发挥功能的组件的车体动作部33提供基于操作信息进行相关联的动作的指令，从而使车体动作部33进行动作。

作为迄今为止描述的处理的结果，基于由驾驶员操作的操作部31的操作信息和由检测部34检测到的检测结果学习个人化函数以匹配用户模式，并将该个人化函数存储在学习结果存储部92中。此时，手动驾驶控制部32将与操作信息相关联的命令提供给车体动作部33，从而控制机动车的手动驾驶。

<个人化函数的学习>

这里将给出对个人化函数的学习的描述。

将检测部34在时间t的检测结果(观测值)由St表示，将驾驶员的操作信息由at表示，并且还将驾驶操作在该时间的目标由gt表示。这里，当试图直接模仿驾驶员的操作时，学习是学习由下面的公式(1)定义为个人化函数的函数的处理：

[数学式1]

a_t＝f(s_t，g_t) (1)

例如，考虑停止机动车的动作。这里预期的是，机动车在给定车道内行驶，并且由于红灯或其他原因平稳减速并且停在前方车辆后方或在白色停止线之前停车。

在这种情况下，有些人喜欢提早踩下制动器踏板，而其他人则喜欢非常靠近前方车辆，快速减速并停车。此外，还有其他人喜欢在不受前方车辆行为影响的情况下保持距离并以他或她期望的速度停车。

个人化函数学习部91从构成驾驶员的驾驶操作历史的操作信息中提取与在车道内使由驾驶员驾驶的机动车停止的动作相对应的操作信息，并配置设定Xstop。这种情况下的学习问题由公式(2)所示的函数表示。

[数学式2]

a_t＝f_stop(s_t) (2)

函数fstop(St)是从与在车道内停车的动作相关的检测结果获得的函数。

这里的目标是模仿驾驶员的行为。因此，通过实现以下公式(3)来实现学习：

[数学式3]

例如，下面的公式(4)可以用作误差函数：

[数学式4]

f_diff(a₁，a₂)≡||a₁-a₂||² (4)

然后，进行通过函数近似的学习，使得由以下公式(5)表示的机器的输出值接近关于包括在车道内停车时的操作信息的历史数据Xstop的指导器信号ai。

[数学式5]

a_i＝f_stop(s_i) (5)

例如，基于多层前馈神经网络的称为深度学习的学习器可以用作学习器。对于关于利用深度学习进行学习的更多信息，例如应当参阅“Machine Learning ProfessionalSeries:Deep Learning(Takayuki Okaya,Kodansha Scientific)”。自然地，不仅可以使用这个，而且可以使用任意函数近似器。

应该注意的是，可以通过使用驾驶员的驾驶操作作为指导器信号的反强化学习，利用在给定条件下的检测结果St来学习操作信息at。

此外，除了上述以外的数据可用于学习，例如，关于驾驶员的信息、关于乘客的信息、关于车内环境的信息、关于车外环境的信息、关于机动车的行驶规划的信息等可以使用。

这里，关于驾驶员的具体信息可以包括驾驶员的生命信息(例如，心率、脉搏、血压、体温、血糖水平、呼气酒精浓度、血液酒精浓度、血氧浓度、清醒水平、专注水平、感觉、情感、脑波)，以及驾驶员的姿态、视线、身体运动信息等、移动和行为状态相关的信息中的一条或多条信息。

此外，关于乘客的信息可以包括乘客的数量，年龄，性别，座位位置，诸如安全带的安全装置的使用状况，同乘人员生命信息(例如，心率、脉搏、血压、温度、血糖水平、呼气酒精浓度、血液酒精浓度，血氧浓度、清醒水平、专注水平、感觉、情感、脑波)，以及驾驶员的姿态、视线、身体运动信息等、移动和行为状态相关的信息中的一条或多条信息。

此外，关于车内环境的信息可以包括车内(驾驶员座位、助理驾驶座位和每个乘客座位处)的环境测量值(例如，温度、湿度、气流、振动、噪音、照度、氧浓度)，安装到目标机动车的传感器的数据，与机动车的运动相关的实时信息，机动车的位置、行进方向(及其测量精度)，机动车的速度、角速度、加速度和角加速度(及其测量精度)，与加速器、制动器和转向器相关的操作值，转向信号灯、挡风玻璃刮水器和其他安装装置的操作信息，安全装置(诸如ABS(防抱死制动器系统)、TCS(牵引力控制系统)、LKAS(车道保持辅助系统)和ACC(自适应巡航控制系统))的激活状态，以及故障相关信息或警告信息和误差信息中的一条或多条信息。

此外，关于车外环境的信息可以包括周围附近的机动车(包括摩托车)的位置、行驶方向、速度、角速度、加速度和角加速度(及其测量精度)，周围附近的机动车(包括摩托车)的制动灯、转向信号灯、危险警告灯的操作状态，来自周围附近的机动车(包括摩托车)的V2V(车辆到车辆)通信数据，周围轻型机动车的位置、行驶方向、速度、角速度、加速度和角加速度(及其测量精度)，周围行人的位置、行驶方向、速度、角速度、加速度和角加速度(及其测量精度)，周围区域中的交通灯的状态，特别是前方那些交通灯的状态，关于所讨论的机动车行驶的道路上的事故、施工作业、车道封闭等的信息，来自周围行人或车外基础设施的V2X(车辆到X(X：一切事物))通信数据，以及所讨论的机动车将行驶的区域中的气候和天气信息中的一条或多条信息。

此外，关于所讨论的机动车的行驶规划的信息可以包括来自始发地和出发时间、或目的地(其多个候选)、或预定行驶的区域、当前位置和当前时间、以及从始发地到目的地(候选)的行驶(预定)路线中的一条或多条信息。

<个人化函数更新处理>

接下来将参照图14所示的流程图来给出对个人化函数更新处理的描述。

个人化函数更新处理通常在参照图2描述的驾驶控制处理结束之后进行。但是，个人化函数更新处理可以在其他定时进行，只要驾驶控制处理不在进行中。

在步骤S141中，学习结果验证部93读取存储在学习结果存储部92中的个人化函数。当存在多个个人化函数时或者当存在针对多个用户模式中的每一个的个人化函数时，学习结果验证部93分别读取这些函数。

在步骤S142中，学习结果验证部93经由网络(典型地，因特网)将所读取的个人化函数提供给验证装置13，并请求验证。作为该处理的结果，验证装置13执行验证处理，从而验证个人化函数的动作是否有问题，诸如安全性。应该注意的是，随后将参照在后面的图15描述验证处理。

在步骤S143中，验证结果判定部94从验证装置13获取验证结果。

在步骤S144中，验证结果判定部94基于验证结果来判定使用个人化函数的校正动作是否已经在虚拟空间中实现无故障驾驶。在步骤S144中，当考虑到例如使用个人化函数的校正动作已经在虚拟空间中实现无故障驾驶时，处理行进到步骤S145。

在步骤S145中，验证结果判定部94向个人化函数更新部95通知使用个人化函数的校正命令的动作已经实现了无故障驾驶。作为该通知的结果，个人化函数更新部95利用已经经历了学习到无故障水平并存储在学习结果存储部92中的个人化函数来更新存储在个人化函数存储部54中的相关联的驾驶员和相关联的用户模式的个人化函数。

应该注意的是，在步骤S144中，当考虑到例如使用个人化函数的校正命令的动作未能实现无故障驾驶时，跳过步骤S145中的处理，并且个人化函数不被更新。另外，在存在针对多个驾驶员的个人化函数时，或者在存在针对多个用户模式中的每一个指定的个人化函数时，每个个人化函数经过验证处理，并根据验证结果分别被更新。

也就是说，作为迄今为止描述的处理的结果，通过学习为每个驾驶员和每个用户模式发现个人化函数。此外，验证处理是单独执行的。当通过使用个人化函数校正的校正动作执行的自主驾驶处理没有问题时，个人化函数被校正。

因此，在以这种方式学习的以便反映驾驶员在手动驾驶模式下的驾驶相关的嗜好和习惯的个人化函数中，只有通过验证处理被认为是无差错的那些函数才被更新。

结果，即使在自主驾驶模式中，也能够针对每个驾驶员和每个驾驶员的用户模式安全地实现反映目标驾驶员在手动驾驶模式下的驾驶嗜好和习惯的自主驾驶控制。

此外，在神经网络的情况下，诸如网格权重的个人化函数被更新为那些已经经历了学习的函数。通常，更新用于计算检测结果St的操作信息at的“词典数据”。但是，计算算法本身可以被改变，使得用于通过使用检测结果St作为输入来计算操作信息at作为输出结果的函数的执行代码本身被替换。

<验证装置的配置示例>

接下来将参照图15中所示的框图给出对验证装置13的配置示例的描述。

验证装置13被设计为验证已经由驾驶控制装置11请求验证的个人化函数的安全性和其他因素。更具体地，验证装置13利用个人化函数以自主驾驶模式虚拟地再现配备有驾驶控制装置11的机动车在虚拟空间中的模拟驾驶，从而确认存在或不存在诸如事故的缺陷以及验证个人化函数的安全性和其他因素。

更具体地，验证装置13包括始发地/目的地随机设置部181、路线生成部182、检查点位置计算部183、行为确定模型计算部184、模拟器185、事件生成部186、状态计算部187、传感器模型/噪音模型生成部188、记录部189和验证部190。

始发地/目的地随机设置部181在虚拟空间中随机地指定始发地和目的地，并将它们提供给路线生成部182和状态计算部187。

路线生成部182指定从由始发地/目的地随机设置部181指定的始发地到目的地的路线，并将该路线提供给检查点位置计算部183。

检查点位置计算部183计算生成的路线上的下一检查点，并指定检查点处的驾驶操作目标“gt”。这里的检查点例如指的是在图16所示的路线图上计算状态并且确定行为的点。在图16中，沿着绘制在地图上的道路R指定的路线r上的黑点示出的位置是检查点c1到cn。然后，为这些检查点c1至cn中的每一个指定下一个驾驶操作目标“gt”。

在驾驶操作目标“gt”的具体示例中，是“下一检查点(相对于本车辆)的相对位置和相对姿态角”、“通过检查点时的速度和加速度分布”以及“预定行驶的路线的曲度(检查点处)”。在停车场景中，例如，汽车在与现在朝向相同的方向上前方100米处，速度和加速度均为0(在停止线处)。

传感器模型/噪音模型生成部188建立构成检测部34的各种传感器模型，为每个传感器生成噪音模型，并将它们提供给状态计算部187。

状态计算部187基于从模拟器185提供的虚拟空间中的行驶位置、从事件生成部186提供的诸如某人冲出和天气变化的事件信息、以及从传感器模型/噪音模型生成部188提供的传感器模型和噪音模型信息计算可能由检测部34检测到的检测结果(观测值)作为状态“St”。

更具体地，状态“St”是安装到配备有驾驶控制装置11的机动车并且已经学习了个人化函数的检测部34的虚拟检测结果。状态“St”例如是“毫米波雷达”和“立体相机捕获的图像”或“周围附近的机动车的位置、行驶方向、速度、角速度、加速度和角加速度”以及“机动车的位置、行驶方向、速度、角速度、加速度和角加速度”。此外，检测结果除了上述以外还可以是各种信息，并且能够通过使用各种信息对“个人化”作出贡献。例如，能够反映在高速公路和普通道路以及白天和夜间的驾驶相关的嗜好和习惯。

应该注意的是，对于由模拟器185再现行驶状态的始发地，使用从始发地/目的地随机设置部181提供的信息。

行为确定模型计算部184基于从检查点位置计算部183提供的检查点处的驾驶操作目标“gt”以及从状态计算部187提供的状态“St”，使用从验证部190提供并且已经请求验证的个人化函数来确定行为确定模型“at”。行为确定模型计算部184将行为确定模型“at”提供给模拟器185。此行为确定模型“at”对应于上述驾驶员的操作信息。

模拟器185基于从行为确定模型计算部184提供的行为确定模型“at”，在虚拟空间中再现安装有驾驶控制装置11的机动车的行驶(动作)，并将其结果提供给事件生成部186、状态计算部187和记录部189。由模拟器185发现的虚拟空间中的动作在理论上是由自主驾驶控制块21确定的机动车的动作本身。

事件生成部186通过使用从模拟器185连续提供的检查点处的动作的结果作为触发来生成事件，并将事件提供给状态计算部187和记录部189。

记录部189针对每个检查点将从模拟器185提供的模拟结果和从事件生成部186提供的各种事件相互关联地记录。也就是说，记录部189在验证处理进行中的同时连续记录安装有驾驶控制装置11的机动车在虚拟空间中的验证结果。

验证部190接受从驾驶控制装置11提供并且已经请求验证的个人化函数，并将所接受的个人化函数提供给行为确定模型计算部184。此外，验证部190读取记录在记录部189中的验证结果并且将该结果与已经被请求验证的个人化函数相关联地提供给驾驶控制装置11。

<验证处理>

接下来将参照图17中所示的流程图来给出对由图15中所示的验证装置13处理的验证处理的描述。

在步骤S161中，验证部190判定驾驶控制装置11是否已经经由网络发送了用于验证个人化函数的请求，并且重复相同的处理直至作出请求。例如，当作为图14所示的步骤S142中的处理的结果与个人化函数一起发送请求时，处理进行到步骤S162。

在步骤S162中，验证部190获取发送的个人化函数，并将该函数提供给行为确定模型计算部184。

在步骤S163中，始发地/目的地随机设置部181在模拟器185中在虚拟空间中随机指定始发地和目的地，并将其提供给路线生成部182和状态计算部187。

在步骤S164中，路线生成部182基于由始发地/目的地随机设置部181随机指定的始发地和目的地生成路线，并将该路线提供给检查点位置计算部183。

在步骤S165中，检查点位置计算部183基于所提供的路线计算路线上的下一检查点的位置，指定驾驶操作目标“gt”，并且将该目标提供给行为确定模型计算部184。

在步骤S166中，状态计算部187在模拟器185中指定出发时间和始发地。

在步骤S167中，传感器模型/噪音模型生成部188生成传感器模型和噪音模型信息，并将该信息提供给状态计算部187。

在步骤S168中，状态计算部187基于模拟器185中的当前时间、位置以及传感器模型和噪音模型信息来计算状态“St”，并将该状态提供给行为确定模型计算部184。应该注意的是，当通过随后将描述的事件生成部186生成事件时，考虑到所生成的事件来计算状态“st”。

在步骤S169中，行为确定模型计算部184使用已经被请求验证的个人化函数来计算行为确定模型“at”，并将该模型提供给模拟器185。更具体地，在已经请求验证的个人化函数f的情况下，行为确定模型计算部184通过将状态“St”和驾驶操作目标“gt”的信息输入到个人化函数f中来计算行为确定模型“at”(＝f(st，gt))。

在步骤S170中，模拟器185进行物理模拟，并将模拟结果提供给事件生成部186、状态计算部187和记录部189。也就是说，模拟器185在虚拟空间中再现当安装有驾驶控制装置11的机动车经历由行为确定模型“at”识别的驾驶操作时发生的行驶状态。

在步骤S171中，事件生成部186生成与从模拟器185提供的虚拟空间中安装有驾驶控制装置11的机动车的行为相匹配的事件。事件生成部186将该事件提供给状态计算部187和记录部189。

在步骤S172中，记录部189将由事件生成部186生成的事件和模拟器185的模拟结果与检查点相关联地记录。

在步骤S173中，验证部190判定验证是否结束。验证处理的结束例如通过模拟的持续时间和目的地处的到达时间来指定。当在步骤S173中验证没有结束时，处理行进到步骤S174。

在步骤S174中，检查点位置计算部183计算下一检查点的位置，指定该检查点处的驾驶操作目标“gt”，并且将该目标提供给行为确定模型计算部184，并且处理返回到步骤S167。

也就是说，重复从步骤S167到步骤S174的处理直到验证处理结束。

然后，当在步骤S173中考虑到验证结束时，处理行进到步骤S175。

在步骤S175中，验证部190基于记录部189中记录的模拟结果来生成验证结果。

在步骤S176中，验证部190将所生成的验证结果提供给驾驶控制装置11。

由于上述处理，能够在通过个人化函数执行自主驾驶处理时验证安全性。应该注意的是，当验证结果被发送到驾驶控制装置11时，仅当在作为图14中从步骤S143向前的处理的结果没有事故并且没有问题时才更新个人化函数。

应该注意的是，诸如“在高速公路上行驶”、“在普通道路(车道)上行驶”、“经过十字路口”、“停车/减速”、“在非车道区域(停车区域)行驶”、“做U型转弯”以及“在路肩上停车”的机动车的动作模式可以作为“驾驶操作目标“gt”和状态“St”添加。这可以便于个人化函数学习。

此外，虽然上面已经描述了其中验证装置13经由网络(典型地，因特网)被配置为外部装置的示例，但是验证装置13可以通过增强硬件功能而设置在驾驶控制装置11中。

<<2.第一修改示例>>

虽然上面已经描述了其中仅将通过验证处理发现的验证结果从验证装置13提供给驾驶控制装置11的示例，但是模拟期间例如导致事故的故障数据以及可以避免事故的校正数据可以与验证结果一起提供给驾驶控制装置11。结果，驾驶控制装置11可以由于故障数据和校正数据的反馈而实现再学习。

<第一修改示例中的验证装置的配置示例>

接下来将参照图18所示的框图给出对不仅将验证结果而且将故障数据和校正数据提供给驾驶控制装置11的验证装置13的配置示例的描述。应该注意的是，图18中具有与图15中所示的验证装置13的功能相同的功能的组件由相同的名称和相同的附图标记表示，并且将省略对其的描述。也就是说，图18所示的验证装置13与图15所示的验证装置13的不同之处在于设置了验证部201来代替验证部190。

验证部201具有与验证部190相同的基本功能，并且如果个人化函数的验证结果有问题，则不仅将验证结果还将故障数据和校正数据提供给驾驶控制装置11。

<第一修改示例中的驾驶控制装置的配置示例>

接下来将给出对不仅从验证装置13接收验证结果而且还从验证装置13接收故障数据和校正数据的驾驶控制装置11的配置示例的描述。应该注意的是，图19中具有与图1所示的驾驶控制装置11的功能相同的功能的组件由相同的名称和相同的附图标记表示，并且将省略对其的描述。

也就是说，图19所示的驾驶控制装置11与图1所示的驾驶控制装置11的不同之处在于设置了个人化函数学习部211和学习结果验证部212来代替个人化函数学习部91和学习结果验证部93。

学习结果验证部212基本上具有与学习结果验证部93相同的功能，并进一步接收从图19所示的验证装置13发送的验证结果、故障数据和校正数据。此时，当故障数据和校正数据与指示已经请求验证的个人化函数有问题的验证结果一起被接收时，学习结果验证部212将故障数据和校正数据反馈给个人化函数学习部211。

个人化函数学习部211基本上具有与个人化函数学习部91相同的功能，并且当从学习结果验证部212接收到故障数据和校正数据时，还在下文中将这些数据用于函数学习。

<由图18所示的验证装置处理的验证处理>

这里将参照图20中所示的流程图描述由图18中的验证装置13处理的用于不仅将验证结果而且将故障数据和校正数据发送到驾驶控制装置11的验证处理。应该注意的是，因为图20中从步骤S201到步骤S215的处理以及步骤S217中的处理与图17中从步骤S161到步骤S176的处理相同，所以将省略对其的描述。

也就是说，在步骤S216中，验证部201判定验证结果是否有问题。这里，如果验证结果有问题，则处理进行到步骤S218。

在步骤S218中，验证部201不仅将验证结果而且还将故障数据和校正数据提供给驾驶控制装置11。

作为上述处理的结果，如果个人化函数有问题，则能够不仅将验证结果，还可以将故障数据和校正数据提供给驾驶控制装置11。

<由图19所示的驾驶控制装置11处理的个人化函数更新处理>

接下来将参照图21所示的流程图描述由图19中的驾驶控制装置11处理的个人化函数更新处理，其中不仅将验证结果，还将故障数据和校正数据发送到驾驶控制装置11。应该注意的是，因为图19中的步骤S241、S242、S244和S245中的处理与图14中的步骤S141、S142、S144和S145中的处理相同，所以将适当地省略对其的描述。

也就是说，在步骤S243中，学习结果验证部212与验证结果一起获取故障数据和校正数据。

然后，在步骤S244中，如果个人化函数有问题，则处理进行到步骤S246。

在步骤S246中，学习结果验证部212将故障数据和校正数据提供给个人化函数学习部211以用于反馈。

上述处理允许学习结果验证部212使用故障数据和校正数据进行学习，从而实现再学习。应该注意的是，重新学习需要故障数据。因此，校正数据不是必要的。

<<3.第二修改示例>>

虽然以上已经给描述了使得驾驶控制装置11不仅发送验证结果而且还发送故障数据和校正数据的验证装置13的示例，但是如果个人化函数有问题，还可以通过在验证装置13中通过模拟使个人化函数经过再训练并且将个人化函数发送回驾驶控制装置11作为经校正的函数来促进个人化函数的更新。这使得即使不能通过驾驶控制装置11通过学习来实现完美的个人化函数，也能够接收经校正的函数并实现提早更新。

<第二修改示例中的验证装置的配置示例>

接下来将描述验证装置13的配置示例，其通过再训练校正发现其验证结果有问题的个人化函数来生成经校正的函数，并且不仅将验证结果而且还将故障数据和校正数据提供给驾驶控制装置11。应该注意的是，图22中具有与图18中所示的验证装置13的功能相同的功能的组件由相同的名称和相同的附图标记表示，并且省略对其的描述。

也就是说，图22所示的验证装置13与图18所示的验证装置13的不同之处在于设置了验证部221来代替验证部201。

验证部221具有与验证部201相同的基本功能，并且如果个人化函数的验证结果有问题，则通过使个人化函数经过再训练(再学习)来进一步生成经校正的函数，并且不仅将验证结果而且还将故障数据和校正数据提供给驾驶控制装置11。此时，验证部221以与个人化函数相同的方式使经校正的函数经过验证处理，并且将验证结果发送给驾驶控制装置11。因此，在这种情况下，验证部221将故障数据和校正数据连同两种验证结果一起发送给驾驶控制装置11，其中两种验证结果中的一种针对已经被请求验证的个人化函数，另一种针对经校正的函数。

<第一修改示例中的驾驶控制装置的配置示例>

接下来将参照图23描述驾驶控制装置11的配置示例，该驾驶控制装置11的配置示例不仅用于从验证装置13接收验证结果，还用于从验证装置13接收故障数据、校正数据和经校正的函数。应该注意的是，图23中具有与图19所示的驾驶控制装置11的功能相同的功能的组件用相同的名称和相同的附图标记表示，并且将省略对其的描述。

也就是说，图23所示的驾驶控制装置11与图19所示的驾驶控制装置11的不同之处在于个人化函数学习部231、学习结果验证部232和验证结果判定部233以及个人化函数更新部234代替个人化函数学习部211、学习结果存储部212、验证结果判定部94和个人化函数更新部95。

学习结果验证部232基本上具有与学习结果存储部212相同的功能，并进一步接收从图22所示的验证装置13发送的验证结果、故障数据、校正数据和经校正的函数。此时，当故障数据、校正数据和经校正的函数与指示已经请求验证的个人化函数有问题的验证结果一起接收到时，学习结果验证部232将故障数据、校正数据和经校正的函数反馈到个人化函数学习部231。

个人化函数学习部231基本上具有与个人化函数学习部211相同的功能，并且当从学习结果验证部232获取到故障数据、校正数据和经校正的函数时，在下文中进一步将这些数据和函数用于函数学习。

此外，验证结果判定部233基本上具有与验证结果判定部94相同的功能，并且进一步在经校正的函数一起发送时，基于经校正的函数的验证结果作出关于个人化函数的更新的判定，以及当验证结果没有问题时，用经校正的函数更新个人化函数。

个人化函数更新部234基本上具有与个人化函数更新部95相同的功能，并且进一步在经校正的函数没有问题时，用经校正的函数更新存储在个人化函数存储部54中的相关联的个人化函数。

<由图22所示的验证装置处理的验证处理>

这里将参照图24所示的流程图描述用于如果验证结果有问题，则通过再训练来校正个人化函数来生成经校正的函数的验证处理。应该注意的是，由于图20中的步骤S261至S275和步骤S277中的处理与图17中的步骤S161至S176中的处理相同，因此将适当省略对其的描述。

也就是说，在步骤S276中，验证部221判定验证结果是否有问题。这里，如果验证结果有问题，则处理进行到步骤S278。

在步骤S278中，验证部221通过使个人化函数经过再训练(再学习)来校正个人化函数，生成经校正的函数，并且进一步验证经校正的函数。

在步骤S279中，验证部190将故障数据和经校正的函数与经校正的函数的验证结果一起提供给驾驶控制装置11。

应该注意的是，根据学习量，经校正的函数可能不一定达到安全水平。但是，创建一种状态，其中在一定程度上执行实现完美的经校正的函数所需的学习。因此，能够通过利用经校正的函数来提高学习效率。

作为上述处理的结果，不仅能够向驾驶控制装置11提供验证结果，而且还能够向驾驶控制装置11提供故障数据和经校正的函数。

<由图23所示的驾驶控制装置处理的个人化函数更新处理>

下面将参照图25所示的流程图描述当故障数据和经校正的函数与验证结果一起发送时，由驾驶控制装置11处理的个人化函数更新处理。应该注意的是，由于图21中的步骤S301、S302、S304和S305中的处理与图14中的步骤S141、S142、S144和S145中的处理相同，因此将适当省略对其的描述。

也就是说，在步骤S303中，学习结果验证部232连同验证结果一起获取故障数据和经校正的函数。

然后，在步骤S304中，如果验证结果判定部233判定个人化函数有问题，则处理进行到步骤S306。

在步骤S306中，验证结果判定部233判定经校正的函数是否有问题。如果在步骤S306中判定有问题，则处理行进到步骤S307。

在步骤S307中，学习结果验证部232将故障数据和经校正的函数提供给个人化函数学习部231用于反馈。

上述处理允许再学习。此外，学习在一定程度上提高了，从而使得能够提高学习效率。

另一方面，在步骤S306中，当经校正的函数没有问题时，处理行进到步骤S305。也就是说，在这种情况下，在步骤S305中，个人化函数更新部234利用发送的经校正的函数来更新存储在个人化函数存储部54中的相关联的个人化函数。

作为上述处理的结果，如果在验证装置13的验证之后的个人化函数有问题，则通过再训练来发现经校正的函数。当发现的经校正的函数没有问题时，驾驶控制装置11可以立即更新个人化函数。

另外，即使当经校正的函数不完美时，也能够使用学习在一定程度上提高的经校正的函数和故障数据使函数经过再学习，从而容许提高的学习效率。

<<4.第一应用示例>>

根据本公开的技术适用于各种产品。例如，根据本公开的技术可以被实现为安装到机动车、电动车、混合动力电动车、摩托车等中的一个的装置。

图26是示出可应用根据本公开的技术的机动车控制系统2000的示意性配置的框图。机动车控制系统2000包括经由通信网络2010连接的多个电子控制单元。在图26所示的示例中，机动车控制系统2000包括驾驶相关控制单元2100、车体相关控制单元2200、电池控制单元2300、车外信息检测单元2400、车内信息检测单元2500和集成控制单元2600。连接多个这些控制单元的通信网络2010可以是车上通信网络，诸如符合任意标准的FlexRay(注册商标)、CAN(控制器区域网络)、LIN(局域互连网络)、LAN(局域网)。

每个控制单元包括微型计算机、存储部和驱动电路。微型计算机根据各种程序处理操作。存储部存储由微型计算机执行的程序或用于各种操作的参数等。驱动电路驱动被控制的各种装置。每个控制单元不仅包括用于经由通信网络2010与其它控制单元通信的网络I/F，而且还包括用于以有线或无线方式与车内和车外装置或传感器通信的通信I/F。在图26中，微型计算机2610、通用通信I/F 2620、专用通信I/F 2630、定位部2640、信标接收部2650、车内装置I/F 2660、音频/视频输出部2670、车上网络I/F 2680和存储部2690被示出为集成控制单元2600的功能组件。其他控制单元同样包括微型计算机、通信I/F、存储部等。

驾驶相关控制单元2100根据各种程序来控制机动车的驾驶相关装置的动作。例如，驾驶相关控制单元2100充当用于生成机动车的驱动力的驱动力生成装置(诸如内燃机)、用于将驱动力传送到车轮的驱动力传送机构、用于调整机动车的转向角的转向机构以及用于生成机动车的制动力的Zc的控制装置。驾驶相关控制单元2100也可以充当诸如ABS(防抱死制动系统)或ESC(电子稳定控制)的控制装置。

车辆状态检测部2110连接到驾驶相关控制单元2100。车辆状态检测部2110包括例如用于检测车体的轴向旋转运动的角速度的陀螺仪传感器，用于检测机动车的加速的加速传感器以及用于检测加速器踏板的踩下量、制动器踏板的踩下量、方向盘的转向角、发动机每分钟转数、车轮旋转速度等的传感器中的至少一个。驾驶相关控制单元2100使用从车辆状态检测部2110输入的信号执行操作，由此控制内燃机、驱动马达、电动转向装置或制动装置。

车体相关控制单元2200根据各种程序来控制设置在车体上的各种装置的动作。例如，车体相关控制单元2200充当无钥匙进入系统、智能钥匙系统和电动窗装置或诸如前照灯、尾灯、制动灯、转向信号或雾灯的各种灯的控制装置。在这种情况下，可以将从替换钥匙的便携式发射器发射的无线电波或各种开关信号输入到车体相关控制单元2200。车体相关控制单元2200接受这些无线电波和信号输入并控制机动车的门锁装置、电动窗装置、灯等。

电池控制单元2300根据各种程序控制二次电池2310，驱动马达的电源。例如，从具有二次电池2310的电池装置向电池控制单元2300输入电池温度、电池输出电压、剩余电池电量或其他信息。电池控制单元2300使用这些信号执行算术处理，从而控制对二次电池2310、设置在电池装置上的冷却装置或其他装置的温度控制。

车外信息检测单元2400检测配备有机动车控制系统2000的机动车外部的信息。例如，成像部2410和车外信息检测部2420中的至少一个连接到车外信息检测单元2400。成像部2410包括ToF(飞行时间)相机、立体相机、单目相机、红外相机和其他相机中的至少一个。车外信息检测部2420包括例如检测当前的天气或气候的环境传感器或者检测配备有机动车控制系统2000的机动车周围的其他车辆、障碍物、行人等的周围信息检测传感器。

环境传感器可以是例如检测多雨天气的雨滴传感器、检测雾的雾传感器、检测日光水平的日光传感器和检测降雪的雪传感器中的一种。周围信息检测传感器可以是超声波传感器、雷达装置和LIDAR(光检测和测距、激光成像检测和测距)装置中的一种。这些成像部2410和车外信息检测部2420可以作为单独的传感器或装置而被包含，或作为包含多个传感器或装置的集成装置而被包含。

这里，图27示出了成像部2410和车外信息检测部2420的安装位置的示例。成像部2910、2912、2914、2916和2918至少设置在前鼻部、侧视镜、后保险杠、后门以及车厢内的前玻璃的顶部上。设置在前鼻部上的成像部2910和设置在车厢内的前玻璃的顶部上的成像部2918主要获取机动车2900的前方图像。设置在侧视镜上的成像部2912和2914主要获取机动车2900的侧面图像。设置在后保险杠或后门上的成像部2916主要获取机动车2900的后方图像。设置在车厢内的前玻璃的顶部上的成像部2918主要用于检测前方的机动车、行人、障碍物、交通信号灯、交通标志或行车道。

应该注意的是，图27示出了成像部2910、2912、2914和2916的成像范围的示例。成像范围“a”示出了设置在前鼻部上的成像部2910的成像范围。成像范围“b”和“c”示出了设置在侧视镜上的成像部2912和2914的成像范围。成像范围“d”示出了设置在后保险杠或后门上的成像部2916的成像范围。例如，将由成像部2910、2912、2914和2916捕获的图像数据一个在另一个之上的叠加提供了如从机动车2900上方看到的鸟瞰图像。

设置在机动车2900的前部、后部、侧部、拐角和车厢内的前玻璃的顶部上的车外信息检测部2920、2922、2924、2926、2928和2930可以是例如超声波传感器或雷达装置。设置在机动车2900的前鼻、后保险杠、后门以及车厢内的前玻璃的顶部上的车外信息检测部2920、2926和2930可以是例如LIDAR装置。这些车外信息检测部2920至2930主要用于检测前方的机动车、行人、障碍物等。

返回参照图26来继续描述。车外信息检测单元2400使成像部2410捕获车辆外部的图像并接收所捕获的图像数据。另外，车外信息检测部2400从连接的车外信息检测部2420接收检测信息。当车外信息检测部2420是超声波传感器、雷达装置或LIDAR装置时，车外信息检测单元2400使超声波、电磁波等波被发射，并接收关于接收到的反射波的信息。车外信息检测单元2400可以基于接收到的信息执行用于检测道路上的人员、车辆、障碍物、标志、字符等的对象检测处理或者距离检测处理。车外信息检测单元2400可以基于接收到的信息执行用于检测降雨、雾、路面状况等的环境识别处理。车外信息检测单元2400可以基于接收到的信息计算到车辆外部的对象的距离。

此外，车外信息检测单元2400可以基于接收到的信息执行用于识别道路上的人物、车辆、障碍物、标志、字符等的对象识别处理或距离检测过程。车外信息检测单元2400可以通过对接收到的图像数据执行失真校正、位置对准或其他处理，并将该数据与由不同成像部2410捕获的图像数据组合来生成鸟瞰图像或全景图像。车外信息检测单元2400可以使用由不同成像部2410捕获的图像数据来执行视点转换处理。

车内信息检测单元2500检测车内信息。例如，检测驾驶员的状态的驾驶员状态检测部2510连接到车内信息检测单元2500。驾驶员状态检测部2510可以是对驾驶员进行成像的相机、检测驾驶员的生物信息的生物传感器、收集车厢中的音频的麦克风或其他装置。例如，在座位表面、方向盘或其他位置上设置生物传感器，以检测坐在座位上的乘客或者握持方向盘的驾驶员的生物信息。车内信息检测单元2500可以基于从驾驶员状态检测部2510输入的检测信息来计算驾驶员的疲劳水平或专注水平。可以判定驾驶员是否正在打瞌睡。车内信息检测单元2500可以使收集到的音频信号经过噪音消除处理或其他处理。

集成控制单元2600根据各种程序整体地控制机动车控制系统2000内的动作。输入部2800连接到集成控制单元2600。输入部2800例如通过可以进行输入操作的触摸面板、按钮、麦克风、开关、控制杆等来实现。输入部2800可以是例如基于红外辐射或其他无线电波的远程控制装置，或者能够操纵机动车控制系统2000的外部连接装置，诸如移动电话、PDA(个人数字助理)等。输入部2800可以是例如相机，并且在这种情况下，乘客可以通过手势输入信息。此外，输入部2800可以包括输入控制电路，其基于由乘客等通过使用输入部2800输入的上述信息来生成输入信号，并且将该输入信号输出到集成控制单元2600。乘客等将各种数据输入到机动车控制系统2000并指示机动车控制系统2000处理数据。

存储部2690可以包括存储由微型计算机执行的各种程序的RAM(随机存取存储器)和存储各种参数、操作结果、传感器值和其他数据的ROM(只读存储器)。此外，存储部2690可以通过诸如HDD(硬盘驱动器)的磁存储设备、半导体存储设备、光存储设备、磁光存储设备或其他设备来实现。

通用通信I/F 2620是对与存在于外部环境2750中的各种装置的通信进行中介的通用通信接口。诸如GSM(注册商标)(全球移动通信系统)、WiMAX、LTE(长期演进)或LTE-A(LTE-Advanced)的蜂窝通信协议，或者诸如无线LAN(也称为Wi-Fi(注册商标))的其他无线通信协议可以在通用通信I/F 2620中实现。通用通信I/F 2620可以例如经由基站和接入点连接到存在于外部网络(例如，因特网、云网络或运营商自己的网络)上的装置(例如，应用服务器或控制服务器)。此外，通用通信I/F 2620可以通过使用例如P2P(点对点)技术连接到机动车附近存在的终端(例如，行人或商店的终端或MTC(机器类型通信)终端)。

专用通信I/F 2630是支持开发用于在机动车中使用的通信协议的通信协议。例如，诸如WAVE(车辆环境中的无线接入)，IEEE802.11p、较低层和IEEE1609、较上层的组合或DSRC(专用短程通信)的标准协议可以在专用通信I/F 2630中实现。专用通信I/F 2630通常执行V2X通信，V2X通信的概念包括车辆到车辆通信、车辆到基础设施通信以及车辆到行人通信中的一种或多种。

定位部2640通过从GNSS(全球导航卫星系统)卫星接收GNSS信号(例如，来自GPS(全球定位系统)卫星的GPS信号)来执行定位，并且生成包括机动车的经度、纬度和海拔的位置信息。应该注意的是，定位部2640可以通过与无线接入点交换信号来识别当前位置或者从诸如移动电话、PHS或智能电话的终端获取位置信息。

信标接收部2650通过接收从安装在道路上的无线站或其他装置发射的无线电波或电磁波来获取当前位置、交通阻塞、道路关闭、所需时间或其他信息。应该注意的是，信标接收部2650的功能可以被包括在专用通信I/F 2630中。

车内装置I/F 2660是对微型计算机2610与车辆中存在的各装备之间的通信进行中介的通信接口。车内装置I/F 2660可以通过使用诸如无线LAN、蓝牙(注册商标)、NFC(近场通信)或WUSB(无线USB)的无线通信协议来建立无线连接。此外，车内装置I/F 2660可以通过使用未示出的连接端子(以及如果需要使用线缆)建立有线连接。车内装置I/F 2660例如与乘客的可穿戴装置或移动装置或被携带或安装在机动车中的信息装置交换控制信号或数据信号。

车上网络I/F 2680是对微型计算机2610和通信网络2010之间的通信进行中介的接口。车上网络I/F 2680根据通信网络2010支持的给定协议发送和接收信号等。

集成控制单元2600的微型计算机2610基于经由通用通信I/F 2620、专用通信I/F2630、定位部2640、信标接收部2650、车内装置I/F 2660和车上网络I/F 2680中的至少一个获取的信息，根据各种程序来控制机动车控制系统2000。例如，微型计算机2610可以基于所获取的车内和车外信息计算驱动力生成装置、转向机构或制动装置的控制目标值，并且可以输出关于驾驶相关控制单元2100的控制指令。例如，微型计算机2610可以执行对机动车碰撞避免或冲击减轻、基于车间距的跟随行驶、恒定车速行驶、自主驾驶等的协调控制。

微型计算机2610可以基于经由通用通信I/F 2620、专用通信I/F 2630、定位部2640、信标接收部2650、车内装置I/F 2660和车上网络I/F 2680中的至少一个获取的信息来创建包括机动车当前位置周围的信息的局部地图信息。此外，微型计算机2610可以预测诸如机动车碰撞、接近行人以及进入封闭道路的风险，并生成警告信号。警告信号可以是导致产生警告音或警示灯亮起的信号。

音频/视频输出部2670将音频或视频输出信号中的至少一个发送到输出装置，该输出装置能够视觉地或听觉地将信息通知给机动车的乘客或车辆外部。在图26所示的示例中，音频扬声器2710、显示部2720和仪表板2730被示出为输出装置。显示部2720可以包括例如车载显示器和平视显示器中的至少一个。显示部2720可以包括AR(增强现实)显示功能。输出装置可以是上述以外的装置，诸如头戴式耳机、投影仪或灯。当输出装置是显示装置时，显示装置视觉地显示通过由微计算机2610执行的各种处理获得的结果或者以各种形式(诸如文本、图像、表格和图形)从其他控制单元接收的信息。此外，当输出装置是音频输出装置时，音频输出装置将由音频数据、声音数据或其他数据组成的音频信号转换为模拟信号并听觉地输出该模拟信号。

应该注意的是，在图26所示的示例中，经由通信网络2010连接的至少两个控制单元可以组合成单个控制单元。或者，每个控制单元可以包括多个控制单元。此外，机动车控制系统2000可以包括未示出的单独的控制单元。此外，在上面给出的描述中，由任何控制单元所承担的功能的一些或全部可以由其他控制单元承担。也就是说，只要经由通信网络2010发送和接收信息，给定的算术处理就可以由控制单元中的一个执行。类似地，连接到控制单元中的一个的传感器或装置可以连接到其他控制单元，使得多个控制单元经由通信网络2010相互发送和接收检测信息。

在上述的机动车控制系统2000中，使用图1描述的根据本实施例的驾驶控制装置11可应用于图26所示的应用示例的集成控制单元2600。例如，图1中所示的驾驶控制装置11的自主驾驶控制块21、个人化块22和手动驾驶控制部32对应于集成控制单元2600的微型计算机2610、存储部2690和车上网络I/F 2680。例如，集成控制单元2600可以通过充当自主驾驶控制块21来安全地实现自主驾驶。此外，个人化块22可以通过学习个人化函数来实现适合每个用户的偏好的自主驾驶。

此外，使用图1描述的驾驶控制装置11的组件中的至少一些可以在用于图26所示的集成控制单元2600的模块(例如，配置在单个管芯上的集成电路模块)中实现。或者，使用图1描述的驾驶控制装置11可以通过图26所示的机动车控制系统2000的多个控制单元来实现。也就是说，检测部34可以通过图26所示的机动车控制系统2000的车外信息检测单元2400和车内信息检测单元2500中的至少一个来实现。

应该注意的是，用于实现使用图1描述的驾驶控制装置11的各个功能的计算机程序可以在控制单元中的一个中实现。此外，可以设置存储这种计算机程序的计算机可读记录介质。记录介质例如是磁盘、光盘、磁光盘、闪存等。此外，上述计算机程序可以例如经由网络而不是使用记录介质来传递。

<<5.第二应用示例>>

<通过软件执行处理的示例>

顺便提及，上述一系列处理不仅可以通过硬件来执行，而且还可以通过软件来执行。当通过软件执行所述一系列处理时，构成软件的程序被从记录介质安装到内置于专用硬件中的计算机、能够在各种程序安装于其上时执行各种功能的通用个人计算机等。

图28示出了通用个人计算机的配置示例。该个人计算机具有内置于其中的CPU(中央处理单元)3001。I/O接口3005经由总线3004连接到CPU 3001。ROM(只读存储器)3002和RAM(随机存取存储器)3003连接到I/O接口3005。

输入部3006、输出部3007、存储部3008和通信部3009连接到I/O接口3005。输入部3006包括用户从其输入操作命令的键盘、鼠标和其他输入设备。输出部3007输出处理操作画面和处理结果图像。存储部3008包括存储程序和各种数据的硬盘驱动器等。通信部3009包括经由网络(典型地，因特网)处理通信处理的LAN(局域网)适配器等。驱动器3010还连接到I/O接口3005。驱动器3010从诸如磁盘(包括软盘)、光盘(包括CD-ROM(光盘-只读存储器)、DVD(数字多功能光盘)、磁光盘(MD(Mini Disc))或半导体存储器的可移除介质3011读取数据和向其写入数据。

CPU 3001根据存储在ROM 3002中的程序或安装在存储部3008中的从诸如磁盘、光盘、磁光盘或半导体存储器的可移除介质3011读取并且从存储部3008加载到RAM 3003中的程序执行各种处理。CPU 3001执行各种处理所需的数据也适当地存储在RAM 3003中。

在如上所述配置的计算机中，上述一系列处理是在CPU 3001例如经由I/O接口3005和总线3004将存储在存储部3008中的程序加载到RAM 3003中以供执行时执行的。

由计算机(CPU 3001)执行的程序例如可以作为封装介质设置记录在可移除介质3011上。或者，可以经由有线或诸如局域网、因特网或数字卫星广播的无线传输介质来提供该程序。

在计算机中，随着可移动记录介质3011被插入驱动器3010，程序可以经由I/O接口3005被安装到存储部3008。此外，程序可以由通信部3009经由有线或诸如局域网、因特网或数字卫星广播的无线传输介质接收，并安装到存储部3008。除了以上之外，程序可以预先安装到ROM 3002或存储部3008。

应该注意的是，由计算机执行的程序可以是根据本说明书中描述的顺序按时间顺序执行处理、或并行地执行处理或在程序被调用时的必要时间执行处理的程序。

此外，在本说明书中，系统是指一组多个组件(例如，装置、模块(构件))，并且所有组件是否被容纳在同一壳体中并不重要。因此，容纳在不同壳体中并且经由网络连接的多个装置和具有容纳在单个壳体中的多个模块的单个装置都是系统。

应该注意的是，本公开的实施例不限于以上描述的实施例，并且可以在不脱离本公开的主旨的情况下以各种方式进行修改。

例如，本公开可以具有云计算配置，其中单个功能经由网络在多个装置之间共享并且以协调方式处理。

此外，流程图中描述的每个步骤不仅可以由单个装置执行，而且还可以由多个装置共享和执行。

此外，当在单个步骤中包括多个处理时，包括在该单个步骤中的多个处理不仅可以由单个装置执行，而且还可以由多个装置共享和执行。

应该注意的是，本公开可以具有以下配置：

(1)一种驾驶控制装置，包括：

操作部，接受驾驶移动体的驾驶员的驾驶操作输入；

检测部，检测移动体的状态；

学习部，基于与驾驶操作相关的操作信息和检测部的检测结果来学习与驾驶员的驾驶操作相关的个人化函数；以及

动作控制部，基于检测结果和个人化函数来控制移动体的动作。

(2)根据(1)的特征的驾驶控制装置，还包括：

验证部，经由网络向外部验证装置请求对由学习部所学习的个人化函数进行验证，并获取验证结果。

(3)根据(2)的特征的驾驶控制装置，还包括：

学习结果存储部，存储由学习部所学习的个人化函数，其中，

移动体的驾驶模式包括

手动驾驶模式，响应于从驾驶员接受的驾驶操作输入而进行动作；以及

自主驾驶模式，基于由验证部验证的个人化函数和检测结果而进行动作，并且不需要由驾驶员进行驾驶操作，

学习部在手动驾驶模式下基于与驾驶操作相关的操作信息和检测部的检测结果来学习与驾驶员的驾驶操作相关的个人化函数，并且

学习结果存储部存储作为学习结果的个人化函数。

(4)根据(3)的特征的驾驶控制装置，其中，

由验证部获取的验证结果是由外部验证装置使用存储在学习结果存储部中的个人化函数在自主驾驶模式下模拟的驾驶结果。

(5)根据(4)的特征的驾驶控制装置，还包括：

个人化函数存储部，存储由验证部获取的验证结果中没有异常的个人化函数；以及

更新部，将存储在学习结果存储部中的个人化函数中的已经由验证部验证为无异常的个人化函数更新为存储在学习结果存储部中的个人化函数。

(6)根据(5)的特征的驾驶控制装置，其中

动作控制部在自主驾驶模式下基于存储在个人化函数存储部中并由验证部验证的个人化函数和检测结果来控制移动体的动作。

(7)根据(5)的特征的驾驶控制装置，其中

学习结果存储部和个人化函数存储部存储针对每个驾驶员的个人化函数。

(8)根据(7)的特征的驾驶控制装置，其中

学习结果存储部和个人化函数函数存储部分别存储针对每个驾驶员以及针对为每个驾驶员指定的多个模式中的每个模式的个人化函数。

(9)根据(8)的特征的驾驶控制装置，其中

动作控制部认证驾驶员，以及

学习部学习针对由动作控制部认证的每个驾驶员的个人化函数，并将该个人化函数存储在学习结果存储部中。

(10)根据(8)的特征的驾驶控制装置，其中

动作控制部认证驾驶员，从个人化函数存储部读取经认证的驾驶员的、由验证部验证的个人化函数，并基于由验证部验证的个人化函数和检测结果控制移动体的动作。

(11)一种驾驶控制方法，包括以下步骤：

接受驾驶移动体的驾驶员的驾驶操作输入；

检测移动体的状态；

基于与驾驶操作相关的操作信息和检测部的检测结果来学习与驾驶员的驾驶操作相关的个人化函数；以及

基于检测结果和个人化函数来控制移动体的动作。

(12)一种使计算机充当如下部件的程序：

操作部，接受驾驶移动体的驾驶员的驾驶操作输入；

检测部，检测移动体的状态；

附图标记列表

11 驾驶控制装置

12 外界

13 验证装置

21 自主驾驶控制块

22 个人化块

31 操作部

32 手动驾驶控制部

33 车体动作部

34 检测部

51 反射动作确定部

52 深思动作确定部

53 自主驾驶控制部

54 个人化函数存储部

71 环境识别部

72 局部地图处理部

73 全局地图处理部

74 路线规划部

75 行为规划部

91 个人化函数学习部

92 学习结果存储部

93 学习结果验证部

94 验证结果判定部

95 个人化函数更新部

181 始发地/目的地随机设置部

182 路线生成部

183 检查点位置计算部

184 行为确定模型计算部

185 模拟器

186 事件生成部

187 状态计算部

188 传感器模型/噪音模型生成部

189 记录部

190 验证部

201 验证部

211 个人化函数学习部

212 学习结果验证部

221 验证部

231 个人化函数学习部

232 学习结果验证部

233 验证结果判定部

234 个人化函数更新部

Claims

1.一种驾驶控制装置，包括：

操作部，接受驾驶移动体的驾驶员的驾驶操作输入；

检测部，检测移动体的状态；

2.根据权利要求1所述的驾驶控制装置，还包括：

3.根据权利要求2所述的驾驶控制装置，还包括：

移动体的驾驶模式包括

学习结果存储部存储作为学习结果的个人化函数。

4.根据权利要求3所述的驾驶控制装置，其中，

5.根据权利要求4所述的驾驶控制装置，还包括：

6.根据权利要求5所述的驾驶控制装置，其中

7.根据权利要求5所述的驾驶控制装置，其中

8.根据权利要求7所述的驾驶控制装置，其中

9.根据权利要求8所述的驾驶控制装置，其中

动作控制部认证驾驶员，以及

10.根据权利要求8所述的驾驶控制装置，其中

11.一种驾驶控制方法，包括以下步骤：

接受驾驶移动体的驾驶员的驾驶操作输入；

检测移动体的状态；

基于检测结果和个人化函数来控制移动体的动作。

12.一种使计算机充当如下部件的程序：

操作部，接受驾驶移动体的驾驶员的驾驶操作输入；

检测部，检测移动体的状态；