CN108973997B - 行驶轨道决定装置以及自动驾驶装置 - Google Patents
行驶轨道决定装置以及自动驾驶装置 Download PDFInfo
- Publication number
- CN108973997B CN108973997B CN201810530513.1A CN201810530513A CN108973997B CN 108973997 B CN108973997 B CN 108973997B CN 201810530513 A CN201810530513 A CN 201810530513A CN 108973997 B CN108973997 B CN 108973997B
- Authority
- CN
- China
- Prior art keywords
- travel
- track
- value
- travel track
- future
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002093 peripheral effect Effects 0.000 claims abstract description 37
- 238000012937 correction Methods 0.000 claims description 182
- 238000004364 calculation method Methods 0.000 claims description 151
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 14
- 238000001514 detection method Methods 0.000 abstract description 9
- 230000008901 benefit Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 132
- 238000011156 evaluation Methods 0.000 description 50
- 230000014509 gene expression Effects 0.000 description 46
- 238000010586 diagram Methods 0.000 description 27
- 238000000034 method Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 13
- 238000004088 simulation Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 230000002411 adverse Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000010845 search algorithm Methods 0.000 description 5
- 230000002349 favourable effect Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 235000013290 Sagittaria latifolia Nutrition 0.000 description 1
- 239000012190 activator Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 235000015246 common arrowhead Nutrition 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/14—Adaptive cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle for navigation systems
Abstract
本发明提供一种能够迅速且适当地决定自身车辆未来的行驶轨道的行驶轨道决定装置、以及具备此行驶轨道决定装置的自动驾驶装置。行驶轨道决定装置(1)具备ECU(2)。ECU(2)根据由状况检测装置(4)所检测出的周边状况数据(D_info),来算出表示自身车辆(3)周边的、交通参与者从当前至未来有可能存在的区域的潜在不利(Prisk),并算出表示自身车辆(3)应行驶的理想的未来行驶区域的潜在有利(Pbnf),使用潜在不利(Prisk)及潜在有利(Pbnf),决定自身车辆(3)未来的行驶轨道(Tr_sk)。
Description
技术领域
本发明涉及一种决定自身车辆未来的行驶轨道的行驶轨道决定装置以及自动驾驶装置。
背景技术
作为决定自身车辆未来的行驶轨道的行驶轨道决定装置,已知有专利文献1中记载的装置。所述行驶轨道决定装置被适用于对移动机器人(robot)车辆(以下“自身车辆”)进行控制的移动机器人控制装置。所述移动机器人控制装置具备:外界传感器(sensor),测定自身车辆与其移动方向的障碍物的距离数据(data);天线(antenna),用于接收来自全球定位系统(Globe Positioning System,GPS)等的位置信息;存储部,存储包含行驶规则(rule)的地图信息;以及障碍物地图制作部等。所述障碍物地图制作部基于外界传感器所测定的距离数据来制作障碍物地图。
所述行驶轨道决定装置中,通过本文献的图10所示的算法(algorithm),来决定从当前位置直至目标位置为止的未来的行驶轨道。即,基于自身车辆的移动量来计算自身车辆的当前位置,并基于外界传感器所测定的距离数据来制作障碍物地图,并且从存储部读取地图信息(步骤(step)201~步骤203)。
继而,参照障碍物地图及地图信息,判定在地图信息中存储的轨道上是否存在障碍物(步骤204),若在轨道上存在障碍物,则通过A*搜索算法来执行行驶轨道的搜索(步骤205)。具体而言,基于当前位置信息、障碍物地图及地图信息,算出网格地图(grid map)上的围绕自身车辆的多个网格中的障碍物的存在概率(路径搜索成本(cost)),将障碍物的存在概率最低的网格决定/选择为未来的行驶轨道。然后,算出用于使自身车辆在所决定的行驶轨道上行驶的控制指令信号值,并将与此相当的控制指令信号输入至自身车辆的驱动部(步骤206~步骤207)。
现有技术文献
专利文献
专利文献1:日本专利特开2010-191502号公报
发明内容
[发明所要解决的问题]
根据所述专利文献1的行驶轨道决定装置,必须在一次运算周期中,基于当前位置信息、障碍物地图及地图信息,算出围绕自身车辆的多个网格中的障碍物的存在概率,因此运算装置的运算负载高。其结果,导致运算装置的制造成本上升,并且对于当前的汽车中搭载的运算装置的能力而言,存在运算困难的可能。
而且,基于相同的理由,运算装置的运算时间变长,由此,有可能造成运算在一次运算周期中未结束的状态,此时,行驶轨道未被决定,由此造成自身车辆停止行驶,或者为了确保运算时间而自身车辆只能低速行驶的状态。其结果,无法适用于如在一般公路或高速公路上行驶的自动驾驶车辆那样的、要求高速行驶的车辆,从而导致商品性下降。
进而,存在下述问题:在障碍物的存在概率最低的网格存在多个的条件下,无法选择顺畅且安全性更高的最佳行驶轨道,此问题在所述自动驾驶车辆的情况下更为显著。而且,以上问题在行驶轨道的搜索中使用连续曲率快速搜索随机树(Continuous Curvature-Rapidly exploring Random Tree,CC-RRT)法来取代A*搜索算法时也同样会发生。
本发明是为了解决所述问题而完成,其目的在于,提供一种能够迅速且适当地决定自身车辆未来的行驶轨道的行驶轨道决定装置、以及具备此行驶轨道决定装置的自动驾驶装置。
[解决问题的技术手段]
为了达成所述目的,技术方案1的行驶轨道决定装置1的特征在于包括:周边状况数据获取部件(状况检测装置4),获取表示自身车辆3的周边状况的周边状况数据D_info;存在区域数据计算部件(电子控制单元(Electronic Control Unit,ECU)2、潜在不利计算部20),使用周边状况数据D_info,算出表示存在区域的存在区域数据(潜在不利(riskpotential)Prisk),所述存在区域是自身车辆3周边的、交通参与者(其他车辆7、7a~7e、行人8、8a、8b)从当前至未来有可能存在的区域或者在未来有可能存在的区域;行驶轨道决定部件(ECU 2、行驶环境模型(model)推断部40),使用存在区域数据(潜在不利Prisk)和以修正值(纵方向速度修正系数kv、轨道修正系数ktr、ktr_2、ktr2_i、速度修正系数kv_i、搜索轨道修正向量(vector)Kθ)对规定的函数值(基准行驶轨道wbs、轨道权重函数值Wtr_i、基准循道方向速度v_bs)进行修正所得的值,来决定自身车辆3未来的行驶轨道Tr_sk;以及修正值计算部件(ECU 2,极值搜索控制器50),使用规定的算法(式(1)~式(30)),以未来的行驶轨道Tr_sk与存在区域数据所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值的方式,来算出修正值(搜索轨道修正向量Kθ)。
根据所述行驶轨道决定装置,获取表示自身车辆的周边状况的周边状况数据,使用所述周边状况数据,算出表示存在区域的存在区域数据,并使用存在区域数据和以修正值对规定的函数值进行修正所得的值,来决定自身车辆未来的行驶轨道,所述存在区域是自身车辆周边的、交通参与者从当前至未来有可能存在的区域或者在未来有可能存在的区域。所述修正值是使用规定的算法,以未来的行驶轨道与存在区域数据所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值的方式而算出,因此在计算自身车辆未来的行驶轨道时,与专利文献1的情况不同,不再需要计算/推断围绕自身车辆的多个网格中的障碍物等的存在概率,由此,既能避免自身车辆未来的行驶轨道与交通参与者的存在区域产生交错,又能迅速且适当地决定自身车辆未来的行驶轨道。由此,当将所述行驶轨道决定装置适用于自动驾驶车辆时,能够与熟练驾驶员进行驾驶的情况同样地,通过自动驾驶来实现安全且理想的行驶状态,从而能够确保高商品性(另外,本说明书中的“获取周边状况数据”的“获取”并不限于通过传感器等直接检测周边状况数据,还包含基于其他参数算出周边状况数据,而且,本说明书中的“交通参与者”包含行人、其他车辆及障碍物等)。
技术方案2的发明是根据技术方案1所述的行驶轨道决定装置1,其特征在于,规定的函数值(基准行驶轨道wbs)是将自身车辆3变更进路时的形态作为映射(map)而预先定义的函数值。
根据所述行驶轨道决定装置,使用以修正值来对将自身车辆变更进路时的形态作为映射而预先定义的函数值进行修正所得的值,来决定自身车辆未来的行驶轨道,因此,既能避免自身车辆未来的行驶轨道与交通参与者的存在区域产生交错,又能避免决定为自身车辆无法追随的未来行驶轨道。由此,当将所述行驶轨道决定装置适用于自动驾驶车辆时,既能防止车辆表现出打转(spin)或蛇行等不稳定的行为,又能通过自动驾驶来实现安全且理想的行驶状态。
技术方案3的发明是根据技术方案2所述的行驶轨道决定装置1,其特征在于,规定的函数值(基准行驶轨道wbs)是对自身车辆3变更进路时的进路变更速度进行定义的函数值,修正值(纵方向速度修正系数kv、轨道修正系数ktr、ktr_2)是以对进路变更速度进行修正的方式而构成。
根据所述行驶轨道决定装置,规定的函数值是对自身车辆变更进路时的进路变更速度进行定义的函数值,修正值是以对进路变更速度进行修正的方式而构成,因此能够适当地设定自身车辆的横方向速度。由此,当将所述行驶轨道决定装置适用于自动驾驶车辆时,能够实现顺畅的自动驾驶。
技术方案4的发明是根据技术方案1所述的行驶轨道决定装置1,其特征在于,规定的函数值包含彼此交叉的多个函数值,修正值包含多个修正值(轨道修正系数ktr2_i),行驶轨道决定部件通过将以多个修正值(轨道修正系数ktr2_i)分别对多个函数值(轨道权重函数值Wtr_i)进行修正所得的多个值予以合成,从而决定未来的行驶轨道Tr_sk。
根据所述行驶轨道决定装置,规定的函数值包含彼此交叉的多个函数值,修正值包含多个修正值,并且通过将以多个修正值分别对多个函数值进行修正所得的多个值予以合成,从而决定未来的行驶轨道,因此,既能避免自身车辆未来的行驶轨道与交通参与者的存在区域产生交错,又能适当地设定自身车辆将进路变更到左侧之后再将进路变更到右侧的情况、或者反复进行Z字形(zigzag)行驶的情况等条件下的未来的行驶轨道。由此,当将所述行驶轨道决定装置适用于自动驾驶车辆时,在自身车辆将进路变更到左侧之后再将进路变更到右侧的情况、或者反复进行Z字形行驶的情况等下,能够实现顺畅且安全的自动驾驶。
技术方案5的发明是根据技术方案1所述的行驶轨道决定装置1,其特征在于,规定的函数值包含将多个线段以彼此之间存在角度的状态结合而成的函数值,修正值(速度修正系数kv_i)是以对多个线段的长度及角度中的至少一者进行修正的方式而构成。
根据所述行驶轨道决定装置,规定的函数值包含将多个线段以彼此之间存在角度的状态结合而成的函数值,修正值是以对多个线段的长度及角度中的至少一者进行修正的方式而构成,因此,既能避免自身车辆未来的行驶轨道与交通参与者的存在区域产生交错,又能适当地设定自身车辆在岔路口左转或右转的情况、或在高速公路上汇流的情况等条件下的未来行驶轨道。由此,当将所述行驶轨道决定装置适用于自动驾驶车辆时,在自身车辆在岔路口左转或右转的情况、或在高速公路上汇流的情况等条件下,能够实现顺畅且安全的自动驾驶。
技术方案6的发明是根据技术方案1至5中任一技术方案所述的行驶轨道决定装置1,其特征在于,修正值计算部件使用规定的算法(式(1)~式(30)),来算出方向值(移动平均值Pa_i),并且使用方向值(移动平均值Pa_i),以使未来的行驶轨道Tr_sk朝向与存在区域的交错程度减少的方向变化的方式,来算出修正值(搜索轨道修正向量Kθ),所述方向值(移动平均值Pa_i)表示使未来的行驶轨道Tr_sk变化时的、未来的行驶轨道Tr_sk与存在区域数据所表示的存在区域的交错程度的变化方向。
根据所述行驶轨道决定装置,使用规定的算法来算出方向值,并且使用方向值,以使未来的行驶轨道朝向与存在区域的交错程度减少的方向变化的方式,来算出修正值,所述方向值表示使未来的行驶轨道变化时的、未来的行驶轨道与存在区域数据所表示的存在区域的交错程度的变化方向,因此,能够缩短对未来的行驶轨道进行计算时的计算时间,与此同时,能够降低计算负载。其结果,能够削减行驶轨道决定装置的制造成本,并且能够使用相对较低能力的运算装置来实现行驶轨道决定装置。而且,基于所述理由,当将所述行驶轨道决定装置适用于自动驾驶车辆时,能够实现自动驾驶车辆的高速行驶。
技术方案7的发明是根据技术方案1至6中任一技术方案所述的行驶轨道决定装置1,其特征在于还包括:不可行驶区域数据计算部件(ECU 2、潜在不利计算部20),使用周边状况数据D_info,算出不可行驶区域数据(潜在不利Prisk),所述不可行驶区域数据(潜在不利Prisk)表示自身车辆3不应行驶的不可行驶区域,修正值计算部件使用规定的算法(式(1)~式(30)),以下述方式来算出修正值(搜索轨道修正向量Kθ),即,除了未来的行驶轨道Tr_sk与存在区域数据所表示的存在区域(潜在不利Prisk)的交错程度以外,未来的行驶轨道Tr_sk与不可行驶区域数据所表示的不可行驶区域(潜在不利Prisk)的交错程度也成为包含最小值的所述最小值附近的值。
根据所述行驶轨道决定装置,使用周边状况数据,算出表示自身车辆不应行驶的不可行驶区域的不可行驶区域数据,并使用规定的算法,以下述方式来算出修正值,即,除了未来的行驶轨道与存在区域数据所表示的存在区域的交错程度以外,未来的行驶轨道与不可行驶区域数据所表示的不可行驶区域的交错程度也成为包含最小值的所述最小值附近的值,因此,能够避免自身车辆未来的行驶轨道与不可行驶区域产生交错。由此,当将所述行驶轨道决定装置适用于自动驾驶车辆时,既能确保更高的安全性,又能通过自动驾驶来实现理想的行驶状态。
技术方案8的发明是根据技术方案1至6中任一技术方案所述的行驶轨道决定装置1,其特征在于还包括:行驶区域数据计算部件(ECU 2、潜在有利计算部21),算出行驶区域数据(潜在有利(benefit potential)Pbnf),所述行驶区域数据(潜在有利Pbnf)表示自身车辆3应行驶的理想的未来行驶区域,修正值计算部件使用规定的算法(式(1)~式(30)),以下述方式来算出修正值(搜索轨道修正向量Kθ),即,未来的行驶轨道Tr_sk与存在区域数据所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值,并且未来的行驶轨道Tr_sk与行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值。
根据所述行驶轨道决定装置,算出表示自身车辆应行驶的理想的未来行驶区域的行驶区域数据,并使用规定的算法,以下述方式来算出修正值,即,未来的行驶轨道与存在区域数据所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值,并且未来的行驶轨道与行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值,因此,能够以既避免与交通参与者的存在区域产生交错,又尽可能与理想的未来行驶区域交错的方式,来迅速且适当地决定自身车辆未来的行驶轨道。
技术方案9的发明是根据技术方案8所述的行驶轨道决定装置1,其特征在于,修正值部件在行驶区域数据所表示的行驶区域与存在区域数据所表示的存在区域有交错的情况下,以下述方式来算出修正值(搜索轨道修正向量Kθ),即,交错区域中的交通参与者的存在概率越高,则未来的行驶轨道Tr_sk与存在区域数据所表示的存在区域的交错程度越进一步减少。
根据所述行驶轨道决定装置,在行驶区域数据所表示的行驶区域与存在区域数据所表示的存在区域有交错的情况下,以下述方式来算出修正值,即,交错区域中的交通参与者的存在概率越高,则未来的行驶轨道与存在区域数据所表示的存在区域的交错程度越进一步减少,因此,在理想的未来行驶区域与交通参与者的存在区域有交错的条件下,能够既减少交通参与者在所述行驶轨道上存在的概率,又迅速且适当地决定自身车辆未来的行驶轨道。
技术方案10的行驶轨道决定装置1的特征在于包括:周边状况数据获取部件(状况检测装置4),获取表示自身车辆3的周边状况的周边状况数据D_info;存在区域数据计算部件(ECU2、潜在不利计算部20),使用周边状况数据D_info,算出表示存在区域的存在区域数据(潜在不利Prisk),所述存在区域是自身车辆3周边的、交通参与者(其他车辆7、7a~7e、行人8、8a、8b)从当前至未来有可能存在的区域或者在未来有可能存在的区域;行驶区域数据计算部件(ECU 2、潜在有利计算部21),算出行驶区域数据(潜在有利Pbnf),所述行驶区域数据(潜在有利Pbnf)表示自身车辆3应行驶的理想的未来行驶区域;以及行驶轨道决定部件(ECU 2、行驶环境模型推断部40),使用存在区域数据(潜在不利Prisk)及行驶区域数据(潜在有利Pbnf),决定自身车辆3未来的行驶轨道Tr_sk。
根据所述行驶轨道决定装置,获取表示自身车辆的周边状况的周边状况数据,使用周边状况数据,算出表示存在区域的存在区域数据,并算出表示自身车辆应行驶的理想的未来行驶区域的行驶区域数据,所述存在区域是自身车辆周边的、交通参与者从当前至未来有可能存在的区域或者在未来有可能存在的区域。并且,使用存在区域数据及行驶区域数据,来决定自身车辆未来的行驶轨道,因此在计算自身车辆未来的行驶轨道时,与专利文献1的情况不同,不再需要计算/推断围绕自身车辆的多个网格中的障碍物等的存在概率,由此,既能避免自身车辆未来的行驶轨道与交通参与者的存在区域产生交错,又能迅速且适当地决定自身车辆未来的行驶轨道。由此,当将行驶轨道决定装置适用于自动驾驶车辆时,能够与熟练驾驶员进行驾驶的情况同样地,通过自动驾驶来实现安全且理想的行驶状态,并且能够通过自动驾驶来实现高速行驶状态。由此,能够确保高商品性。
技术方案11的发明是根据技术方案10所述的行驶轨道决定装置1,其特征在于,行驶轨道决定部件以下述方式来决定未来的行驶轨道Tr_sk,即,未来的行驶轨道Tr_sk与存在区域数据(潜在不利Prisk)所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值,并且未来的行驶轨道Tr_sk与行驶区域数据(潜在有利Pbnf)所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值。
根据所述行驶轨道决定装置,以下述方式来决定未来的行驶轨道,即,未来的行驶轨道与存在区域数据所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值,并且,未来的行驶轨道与行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值,因此,能够以既避免与交通参与者的存在区域产生交错,又尽可能与理想的未来行驶区域交错的方式,来迅速且适当地决定自身车辆未来的行驶轨道。由此,当将所述行驶轨道决定装置适用于自动驾驶车辆时,能够与熟练驾驶员进行驾驶的情况同样地,通过自动驾驶来实现安全且理想的行驶状态,从而能够确保高商品性。
技术方案12的发明是根据技术方案10或11所述的行驶轨道决定装置1,其特征在于,行驶轨道决定部件决定成为未来的行驶轨道Tr_sk的基准的基准行驶轨道(基准轨道wbs),通过以下述方式来修正基准行驶轨道(基准轨道wbs)而决定未来的行驶轨道Tr_sk,即,未来的行驶轨道Tr_sk与存在区域数据所表示的区域的交错程度成为包含最小值的所述最小值附近的值,并且,未来的行驶轨道Tr_sk与行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值。
根据所述行驶轨道决定装置,决定成为未来行驶轨道的基准的基准行驶轨道,通过以下述方式来修正所述基准行驶轨道而决定未来的行驶轨道,即,未来的行驶轨道与存在区域数据所表示的区域的交错程度成为包含最小值的所述最小值附近的值,并且未来的行驶轨道与行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值,因此,能够以既避免与交通参与者的存在区域产生交错,又尽可能与理想的未来行驶区域交错的方式,来迅速且适当地决定未来的行驶轨道。
技术方案13的发明是根据技术方案11所述的行驶轨道决定装置1,其特征在于,行驶轨道决定部件在行驶区域数据所表示的行驶区域与存在区域数据所表示的存在区域有交错的情况下,以下述方式来决定未来的行驶轨道Tr_sk,即,交错区域中的交通参与者的存在概率越高,则未来的行驶轨道Tr_sk与存在区域数据所表示的存在区域的交错程度越进一步减少。
根据所述行驶轨道决定装置,在行驶区域数据所表示的行驶区域与存在区域数据所表示的存在区域有交错的情况下,以下述方式来决定未来的行驶轨道,即,交错区域中的交通参与者的存在概率越高,则未来的行驶轨道与存在区域数据所表示的存在区域的交错程度越进一步减少,因此,在理想的未来行驶区域与交通参与者的存在区域有交错的情况下,能够既减少交通参与者在所述行驶轨道上存在的概率,又迅速且适当地决定自身车辆未来的行驶轨道。
技术方案14的自动驾驶装置1的特征在于包括技术方案1至13中任一技术方案所述的行驶轨道决定装置1,以在由行驶轨道决定装置1所决定的未来的行驶轨道Tr_sk上行驶的方式,来控制自身车辆3的行驶状态。
根据所述自动驾驶装置,以在由技术方案1至13中任一技术方案所述的行驶轨道决定装置所决定的未来的行驶轨道上行驶的方式,来控制自身车辆的行驶状态,因此能够通过自动驾驶来实现安全且理想的行驶状态,从而能够确保高商品性。
附图说明
图1是示意性地表示本发明的一实施方式的自动驾驶装置及行驶轨道决定装置、与适用这些装置的车辆结构的图。
图2是表示自动驾驶装置的功能结构的框图。
图3是表示其他车辆的潜在不利Prisk的计算结果的一例的图。
图4是表示行人的潜在不利Prisk的计算结果的一例的图。
图5是表示自身车辆的行驶车道(lane)上不存在交通参与者的行驶环境下的、潜在不利Prisk的计算结果的一例的图。
图6是表示自身车辆的行驶车道上不存在交通参与者的行驶环境下的、潜在有利Pbnf的计算结果的一例的图。
图7是表示有交通参与者存在的行驶环境下的、潜在有利Pbnf及潜在不利Prisk的计算结果的一例的图。
图8是表示行驶轨道计算部的结构的框图。
图9是表示对在类型1的行驶轨道计算方法中使用的基准行驶轨道wbs进行定义的函数值的图。
图10是表示类型1的行驶轨道计算方法中的、kv>1、ktr<1成立时的纵方向速度vl的计算结果的一例的图。
图11是表示类型1的行驶轨道计算方法中的、kv>1、ktr<1成立时的行驶轨道Tr_sk的计算结果的一例的图。
图12是表示对类型1的行驶轨道计算方法中使用的基准行驶轨道wbs进行定义的函数值的变形例的图。
图13是表示对类型2的行驶轨道计算方法中使用的基准行驶轨道wbs进行定义的函数值的图。
图14是表示类型2的行驶轨道计算方法中的、kv>1、ktr_1=0.5、ktr_2<1成立时的行驶轨道Tr_sk的计算结果的一例的图。
图15是表示对类型2的行驶轨道计算方法中使用的基准行驶轨道wbs进行定义的函数值的变形例的图。
图16是表示类型3的行驶轨道计算方法中使用的轨道权重函数值Wtr_i的图。
图17是表示类型3的行驶轨道计算方法中的、kv=1或kv>1成立时的行驶轨道Tr_sk的计算结果的一例的图。
图18是用于说明类型4的行驶轨道计算方法的图。
图19是表示行驶环境模型的计算结果的一例的图。
图20是表示用于潜在有利修正系数Kbnf的计算的映射的一例的图。
图21是表示沿着图19的A-A线的时刻的、潜在不利Prisk及潜在有利Pbnf的图。
图22是用于说明最理想的行驶轨道Tr_sk的位置的图。
图23是用于说明评价函数值J与最终搜索轨道修正向量Kθ_sk的1个要素kθ_1_sk的关系的图。
图24是用于说明移动平均值Pa_i与最终搜索轨道修正向量Kθ_sk的1个要素kθ_1_sk的关系的图。
图25是表示行驶轨道搜索处理的流程图。
图26是表示自动驾驶控制处理的流程图。
图27是表示执行行驶轨道搜索处理的模拟(simulation)的行驶环境条件的图。
图28是执行本实施方式的行驶轨道搜索处理时的(a)自身车辆等的横位置、(b)评价函数值J'以及(c)轨道修正系数ktr的模拟结果的图。
图29是为了进行比较,表示省略潜在有利Pbnf而执行行驶轨道搜索处理时的(a)自身车辆等的横位置、(b)评价函数值J'及(c)轨道修正系数ktr的模拟结果的图。
图30是为了进行比较,表示省略最终搜索轨道修正向量Kθ_sk而执行行驶轨道搜索处理时的(a)自身车辆等的横位置及(b)评价函数值J'的模拟结果的图。
[符号的说明]
1:自动驾驶装置、行驶轨道决定装置
2:ECU(存在区域数据计算部件、行驶轨道决定部件、不可行驶区域数据计算部件、行驶区域数据计算部件)
3:自身车辆
4:状况检测装置(周边状况数据获取部件)
5:发动机
6:致动器
7、7a~7e:其他车辆(交通参与者)
8、8a~8b:行人(交通参与者)
9a:人行道
9b:车道
20:潜在不利计算部(存在区域数据计算部件、不可行驶区域数据计算部件)
21:潜在有利计算部(行驶区域数据计算部件)
30:行驶轨道计算部
40:行驶环境模型推断部(行驶轨道决定部件)
50:极值搜索控制器(修正值计算部件)
51:冲失滤波器
52_1、52_n:参照信号产生器
53_1、53_n:乘法器
54_1、54_n:移动平均滤波器
55_1、55_n:搜索控制器
56:向量计算部
D_info:周边状况数据
J、J':评价函数值
J1':规定值
ktr:轨道修正系数(修正值)
ktr_1:第1轨道设定值
ktr_2:第2轨道修正系数(修正值)
ktr2_i:轨道修正系数(修正值)
kv:纵方向速度修正系数(修正值)
kv_i:速度修正系数(修正值)
Kθ:搜索轨道修正向量(修正值)
kθ_1_sk:要素
Kθ_sk:最终搜索轨道修正向量
Pa_i:移动平均值(方向值)
Pbnf:潜在有利(行驶区域数据)
Prisk:潜在不利(存在区域数据、不可行驶区域数据)
Pw:滤值
S1~S10、S20~S22:步骤
t1、t2、t11、t12、t21、t22、t23:时刻
tn、tn*:标准化时刻
tn_1、tn_2、tn_3、tn_4:规定值
Tr_sk:行驶轨道
v_bs:基准循道方向速度(规定的函数值)
vl_bs:基准纵方向速度
wbs:基准行驶轨道(规定的函数值)
Wtr_1:第1轨道权重函数值
Wtr_2:第2轨道权重函数值
Wtr_3:第3轨道权重函数值
Wtr_4:第4轨道权重函数值
Wtr_i:轨道权重函数值(规定的函数值)
xr:相对位置
xf:相对横位置
Y1、Y2:箭头
yf、yf'、yf*:相对纵位置
z0~zm:搜索索引
具体实施方式
以下,参照附图来说明本发明的一实施方式的行驶轨道决定装置及自动驾驶装置。另外,本实施方式的自动驾驶装置也兼用作行驶轨道决定装置,因此,在以下的说明中,对自动驾驶装置进行说明,并且在其中,也对行驶轨道决定装置的功能及结构进行说明。
如图1所示,所述自动驾驶装置1适用于四轮车辆3,具备ECU 2。另外,以下的说明中,将具备所述自动驾驶装置1的车辆3称作“自身车辆3”。
在所述ECU 2,电连接有状况检测装置4、发动机5及致动器(actuator)6。所述状况检测装置4(周边状况数据获取部件)包含摄像机(camera)、毫米波雷达(radar)、激光雷达(laser radar)、声纳(sonar)、GPS及各种传感器等,将表示自身车辆3的位置及自身车辆3的行进方向的周边状况(交通环境或交通参与者等)的周边状况数据D_info输出至ECU 2。
ECU 2如后所述,基于来自所述状况检测装置4的周边状况数据D_info,识别自身车辆3的位置及自身车辆3的周边的交通环境或交通参与者等,决定自身车辆3未来的行驶轨道。
发动机5例如包含电动马达等,如后所述,当决定了自身车辆3未来的行驶轨道时,通过ECU 2来控制发动机5的输出,以使自身车辆3在所述行驶轨道上行驶。
而且,致动器6包含制动用致动器及转向用致动器等,如后所述,当决定了自身车辆3未来的行驶轨道时,通过ECU 2来控制致动器6的动作,以使自身车辆3在所述行驶轨道上行驶。
另一方面,ECU 2包含微型计算机(micro-computer),所述微型计算机包含中央处理器(Central Processing Unit,CPU)、随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、电可擦可编程只读存储器(Electrically ErasableProgrammable Read Only Memory,E2PROM)、输入/输出(Input/Output,I/O)接口(interface)及各种电气电路(均未图示)等,ECU 2基于来自所述状况检测装置4的周边状况数据D_info等,如后述那样执行行驶轨道决定处理等。另外,本实施方式中,ECU 2相当于存在区域数据计算部件、行驶轨道决定部件、不可行驶区域数据计算部件及行驶区域数据计算部件。
接下来,一边参照图2,一边对本实施方式的自动驾驶装置1的功能结构进行说明。所述自动驾驶装置1通过以下所述的计算算法,算出行驶轨道Tr_sk,并控制自身车辆3的行驶状态,以使其在所述行驶轨道Tr_sk上行驶。
如所述图2所示,自动驾驶装置1具备潜在不利计算部20、潜在有利计算部21及行驶轨道计算部30,具体而言,这些元件20、21、30包含ECU 2。
首先,对潜在不利计算部20进行说明。所述潜在不利计算部20中,基于前述的周边状况数据D_info,制作表示交通参与者(行人或车辆)从当前至未来的存在概率或者不可行驶区域的映射(未图示),并根据行驶轨道Tr_sk来检索所述映射,由此来算出潜在不利Prisk。所述潜在不利Prisk是表示从当前至未来,自身车辆3的行进方向周边的有可能(概率)存在交通参与者的区域、及有可能(概率)存在自身车辆3不应行驶的不可行驶区域的区域等的值,具体而言,如图3~图5所示那样算出。
首先,图3表示在自身车辆3的行进方向上存在其他车辆7的行驶环境下的、其他车辆7的潜在不利Prisk的计算结果的一例。所述图3的横轴的值xr表示在与自身车辆3的行进方向正交的横方向上,自身车辆3与其他车辆7的相对位置。所述相对位置xr是将其他车辆7的中心位置设为值0,将其他车辆7的左侧设定为负值,右侧设定为正值。如所述图3所示,其他车辆7的潜在不利Prisk是以下述方式而算出,即,在其他车辆7的存在概率低的区域中算出为值0,并且,存在概率越高,则成为越大的正值。另外,图3~图5中,为了方便,潜在不利Prisk是以将直线予以组合的形式来表达。
而且,图4表示在自身车辆3的行进方向上存在行人8的行驶环境下的、行人8的潜在不利Prisk的计算结果的一例。如所述图4所示,行人8的潜在不利Prisk是与其他车辆7的情况同样地,以下述方式而算出,即,在行人8的存在概率低的区域算出为值0,存在概率越高,则成为越大的正值。
进而,图5表示在自身车辆3的行进方向上不存在交通参与者的行驶环境下的、潜在不利Prisk的计算结果的一例。所述情况下的潜在不利Prisk是表示应避免在如所述图5所示的人行道9a等那样的、自身车辆3不应行驶的不可行驶区域中行驶的概率的值。所述图5中,横轴的值x表示自身车辆3的宽度方向即横方向上的自身车辆3的绝对位置,所述绝对位置x是将自身车辆3的中心位置设为值0,将自身车辆3的左侧设定为负值,将右侧设定为正值。此点在后述的图6中也同样。
如所述图5所示,自身车辆3的行进方向上不存在交通参与者的行驶环境下的潜在不利Prisk是作为相对于绝对位置x的映射值而算出。更具体而言,潜在不利Prisk是以下述方式而算出,即,在车道9b与人行道9a的边界附近上升,并且在人行道9a内,越远离车道9b,则成为越大的正值。
另外,本实施方式中,潜在不利计算部20相当于存在区域数据计算部件及不可行驶区域数据计算部件,潜在不利Prisk相当于存在区域数据及不可行驶区域数据。
接下来,对潜在有利计算部21进行说明。所述潜在有利计算部21中,根据周边状况数据D_info及行驶轨道Tr_sk(至此为止自身车辆3所行驶的行驶轨道Tr_sk),对未图示的映射进行检索,由此来算出潜在有利Pbnf。所述潜在有利Pbnf是表示自身车辆3行驶时的、行进方向上的理想行驶区域的存在概率的值,具体而言,例如,如图6~图7所示那样算出。
所述图6表示在自身车辆3的行进方向上不存在交通参与者的行驶环境下的、潜在有利Pbnf的计算结果的一例。如所述图6所示,潜在有利Pbnf是被算出为负值或值0,且以下述方式而算出,即,在最理想的行驶位置(☆所示的点(point))处成为最小值,并且在横方向上越远离最理想的行驶位置,则其绝对值越减少。另外,图6中,为了方便,潜在有利Pbnf是以将直线予以组合的形式来表达。
而且,在自身车辆3的实际行驶中,例如会成为图7所示那样的、存在行人8a及其他车辆7a等交通参与者等的行驶环境。在图7所示的行驶环境下的情况时,潜在有利Pbnf及潜在不利Prisk是如图中所示那样算出。
而且,也可通过下述方式来算出潜在有利Pbnf,即,使用将周边状况数据D_info及行驶轨道Tr_sk作为输入,将潜在有利Pbnf作为输出的深层神经网络,对熟练驾驶员的行驶数据进行学习。进而,也可使用逆向强化学习的方法,从熟练驾驶员的行驶数据中提取出对熟练驾驶员的最佳路径进行判断的函数值,使用所述函数值来算出潜在有利Pbnf。
另外,本实施方式中,潜在有利计算部21相当于行驶区域数据计算部件,潜在有利Pbnf相当于行驶区域数据。
接下来,一边参照图8,一边对前述的行驶轨道计算部30进行说明。所述行驶轨道计算部30如以下所述,是算出(搜索)行驶轨道Tr_sk的部件,所述行驶轨道Tr_sk相当于自身车辆3从当前至未来应行驶的轨道。如所述图8所示,行驶轨道计算部30具备行驶环境模型推断部40及极值搜索控制器(controller)50。
所述行驶环境模型推断部40(行驶轨道决定部件)如后所述,使用周边状况数据D_info与来自极值搜索控制器50的最终搜索轨道修正向量Kθ_sk,算出行驶轨道Tr_sk,并算出评价函数值J,并且将所述评价函数值J输出至极值搜索控制器50。
而且,极值搜索控制器50(修正值计算部件)使用从行驶环境模型推断部40输入的评价函数值J,算出所述最终搜索轨道修正向量Kθ_sk,并将其输出至行驶环境模型推断部40。
接下来,对所述行驶环境模型推断部40进行说明。所述行驶环境模型推断部40中,首先,如以下所述,根据周边状况数据D_info,选择类型1~类型4的行驶轨道计算方法中的任一个,通过所选择的行驶轨道计算方法来算出行驶轨道Tr_sk。另外,以下的说明中,将自身车辆3的行进方向的位置称作“纵位置”,将宽度方向的位置称作“横位置”。
首先,对类型1的行驶轨道计算方法进行说明。在所述类型1的行驶轨道计算方法的情况下,如图9所示的函数值那样,对成为行驶轨道Tr_sk的基准的基准行驶轨道wbs进行定义。所述基准行驶轨道wbs(规定的函数值)是对自身车辆3以基准纵方向速度vl_bs沿行进方向行驶时的、自身车辆3的相对横位置xf与标准化时刻tn的关系进行定义者,即,对自身车辆3的进路变更速度进行定义者。
此时,纵轴的相对横位置xf是将自身车辆3的中心位置设为值0,将右侧的相对位置以正值来表示,将左侧的相对位置以负值来表示。而且,横轴的标准化时刻tn是表示自身车辆3以基准纵方向速度vl_bs沿行进方向行驶时的未来时刻的值,标准化时刻tn=0表示当前的时刻。如上所述,对于基准行驶轨道wbs而言,在与基准纵方向速度vl_bs一同定义的关系上,当将从当前计起的未来的经过时间即未来时刻设为tf、以基准纵方向速度vl_bs行驶时的相对于当前位置的相对纵位置设为yf时,基准行驶轨道wbs表示未来时刻tf时的相对纵位置yf与纵方向速度vl。因此,基准行驶轨道wbs也能够将图9的横轴的标准化时刻tn置换为未来时刻tf或相对纵位置yf来定义。
使用图9所示的基准行驶轨道wbs、以及用于对此基准行驶轨道wbs进行修正的轨道修正系数ktr及纵方向速度修正系数kv,如以下那样算出任意的未来时刻tf*时的行驶轨道Tr_sk。所述轨道修正系数ktr(修正值)是根据前述的周边状况数据D_info,而设定为正负的规定范围(例如wbs·ktr的绝对值不超过道路宽度的范围)内的值,当基准纵方向速度vl_bs设定为法定速度或驾驶员的要求设定速度中的某个较小的速度时,纵方向速度修正系数kv根据前述的周边状况数据D_info而设定为1≦kv成立的范围内的值。
首先,通过下式(1),算出任意的未来时刻tf*时的纵方向速度vl。
[数1]
vl=kv·vl_bs…(1)
接下来,通过下式(2),算出任意的未来时刻tf*时的相对纵位置yf*。
[数2]
yf*=vl·tf*=kv·vl_bs·tf*…(2)
接下来,通过下式(3),算出任意的标准化时刻tn*。
[数3]
tn*=tf*/kv…(3)
进而,根据利用上式(3)算出的任意的标准化时刻tn*来检索图9,从而算出基准行驶轨道wbs。
然后,最终通过下式(4)来算出行驶轨道Tr_sk。
[数4]
Tr_sk=ktr·wbs…(4)
由于是通过以上的方法来算出,因此行驶轨道Tr_sk是作为将轨道修正系数ktr、纵方向速度修正系数kv及任意的未来时刻tf*设为独立变量的函数F(ktr、kv、tf*)而算出。此处,在如下式(5)所示那样定义搜索轨道修正向量Kθ(修正值)的情况下,行驶轨道Tr_sk是作为将搜索轨道修正向量Kθ及任意的未来时刻tf*设为独立变量的函数F(Kθ、tf*)而算出。
[数5]
Kθ=[ktr kv]…(5)
在以上的类型1的计算方法的情况下,例如当kv=1、ktr=1成立时,如参照上式(1)、上式(4)而明确的那样,vl=vl_bs、Tr_sk=wbs成立,因此行驶轨道Tr_sk将被算出为与图9所示的基准行驶轨道wbs相同。
另一方面,例如当kv>1、ktr<1成立时,如参照上式(1)、上式(4)而明确的那样,纵方向速度vl成为比基准纵方向速度vl_bs大的值(参照图10),并且,行驶轨道Tr_sk的相对横位置成为比基准行驶轨道wbs小的值。其结果,行驶轨道Tr_sk将如图11所示那样算出。为了便于理解,所述图11是将横轴以相对纵位置yf来表示。
所述图11中,yf'、yf*表示kv=1、ktr=1成立时及kv>1、ktr<1成立时的、与任意的标准化时刻tn*对应的相对纵位置。如所述图11所示,当kv>1、ktr<1成立时,vl>vl_bs成立,由此,相对纵位置yf*处于较kv=1、ktr=1成立时的相对纵位置yf'朝前方移动的位置,并且,相对横位置也成为比kv=1、ktr=1成立时小的值。
此时,为了便于理解,图11是将横轴以相对纵位置yf来表示,但如前所述,也能够将横轴置换为标准化时刻tn或未来时刻tf来表示。因此,在所述类型1的行驶轨道计算方法的情况下,实际的行驶轨道Tr_sk是以与未来时刻tf相关联的状态而算出。此点在后述的类型2或类型3的行驶轨道计算方法等中也同样。
以上的类型1的行驶轨道计算方法例如是在赶超前方的行驶车辆的行驶环境下(参照后述的图27)、或执行车道变更等的行驶环境下,算出行驶轨道Tr_sk的最佳方法。
另外,在类型1的行驶轨道计算方法中,作为基准行驶轨道wbs,也可使用图12所示那样的、考虑到车辆的转向特性的函数值,来取代图9所示的函数值。
接下来,对前述的类型2的行驶轨道计算方法进行说明。在所述类型2的行驶轨道计算方法的情况,如图13所示的函数值那样,对基准轨道wbs进行定义。如比较所述图13的函数值与所述图9的函数值而明确的那样,在图13的函数值的情况下,设定有多个基准行驶轨道wbs,并且所述多个基准行驶轨道wbs被设定为与第1轨道设定值ktr_1相应的映射值。所述第1轨道设定值ktr_1是用于设定(选择)行驶轨道的左右方向的位置变更时的移动速度的参数,根据前述的周边状况数据D_info,而被设定为正负的规定范围(例如wbs·ktr_1的绝对值不超过道路宽度的范围)内的值。
而且,在所述类型2的行驶轨道计算方法的情况下,与前述的类型1的行驶轨道计算方法中的轨道修正系数ktr相当的值被设定为第2轨道修正系数ktr_2(修正值)。即,当基准纵方向速度vl_bs设定为法定速度或驾驶员的要求设定速度中的某个较小的速度时,第2轨道修正系数ktr_2根据前述的周边状况数据D_info而设定为-1≦ktr_2≦1成立的范围内的值。并且,使用图13所示的基准行驶轨道wbs的函数值、第1轨道设定值ktr_1、第2轨道修正系数ktr_2及纵方向速度修正系数kv,如以下那样算出任意的未来时刻tf*时的行驶轨道Tr_sk。
首先,通过下式(6),算出任意的未来时刻tf*时的纵方向速度vl。
[数6]
vl=kv·vl_bs…(6)
接下来,通过下式(7),算出任意的未来时刻tf*时的相对纵位置yf*。
[数7]
yf*=vl·tf*=kv·vl_bs·tf*…(7)
接下来,通过下式(8),算出任意的标准化时刻tn*。
[数8]
tn*=tf*/kv…(8)
进而,根据利用上式(8)算出的任意的标准化时刻tn*及第1轨道设定值ktr_1来检索图13,从而算出基准行驶轨道wbs。
然后,最终通过下式(9)来算出行驶轨道Tr_sk。
[数9]
Tr_sk=ktr_2·wbs…(9)
由于是通过以上的方法来算出,因此行驶轨道Tr_sk是作为将第1轨道设定值ktr_1、第2轨道修正系数ktr_2、纵方向速度修正系数kv及任意的未来时刻tf*设为独立变量的函数F(ktr_1、ktr_2、kv、tf*)而算出。此处,在如下式(10)所示那样定义搜索轨道修正向量Kθ(修正值)的情况下,行驶轨道Tr_sk是作为将搜索轨道修正向量Kθ及任意的未来时刻tf*设为独立变量的函数F(Kθ、tf*)而算出。
[数10]
Kθ=[ktr_1ktr_2kv]…(10)
在以上的类型2的行驶轨道计算方法的情况下,例如当kv=1、ktr_1=0、ktr_2=1成立时,如参照上式(6)、上式(9)而明确的那样,vl=vl_bs、Tr_sk=wbs成立,因此行驶轨道Tr_sk将被算出为与图13所示的ktr_1=0时的基准行驶轨道wbs相同。
另一方面,例如当kv>1、ktr_1=0.5、ktr_2<1成立时,如参照上式(6)、上式(9)而明确的那样,纵方向速度vl成为比基准纵方向速度vl_bs大的值(参照前述的图10),并且,行驶轨道Tr_sk的相对横位置成为比ktr_1=0.5时的基准行驶轨道wbs小的值。其结果,行驶轨道Tr_sk将如图14所示那样算出。
即,如所述图14所示,当kv>1、ktr_1=0.5、ktr_2<1成立时,所述相对纵位置yf*处于较kv=1、ktr_1=0.5、ktr_2=1成立时的相对纵位置yf'朝前方移动的位置,并且,相对横位置也成为比kv=1、ktr_1=0.5、ktr_2=1成立时小的值。
此时,为了便于理解,图14是将横轴以相对纵位置yf来表示,但在所述类型2的行驶轨道计算方法的情况下,实际的行驶轨道Tr_sk是以与未来时刻tf相关联的状态而算出。
以上的类型2的行驶轨道计算方法与类型1的行驶轨道计算方法同样,例如是在赶超前方的行驶车辆的行驶环境下、或执行车道变更等的行驶环境下,算出行驶轨道Tr_sk的最佳方法。
另外,类型2的行驶轨道计算方法中,作为基准行驶轨道wbs,也可使用图15所示那样的、考虑到车辆的转向特性的函数值,来取代图13所示的函数值。
接下来,对前述的类型3的行驶轨道计算方法进行说明。在所述类型3的行驶轨道计算方法的情况下,首先,如图16所示,相对于标准化时刻tn而定义四个轨道权重函数值Wtr_i(i=1~4)。
如所述图16所示,四个轨道权重函数值Wtr_i(规定的函数值)是对应于由标准化时刻tn的四个规定值tn_1~tn_4所规定的区域而设定。以下述方式来设定,即,第1轨道权重函数值Wtr_1对应于以0~tn_2的期间所规定的第1区域,第2轨道权重函数值Wtr_2对应于以tn_1~tn_3的期间所规定的第2区域,第3轨道权重函数值Wtr_3对应于规定为tn_2~tn_4的第3区域,第4轨道权重函数值Wtr_4对应于规定为tn_4~未来的第4区域。
而且,四个轨道权重函数值Wtr_i各自在所述的对应区域中设定为值1以下的正值且在除此以外的区域中设定为值0,且相邻的各两个轨道权重函数值被设定为彼此重迭(overlap),并且,重迭部分的两个轨道权重函数值之和被设定为值1。
进而,所述类型3的行驶轨道计算方法中,使用四个轨道修正系数ktr2_i(i=1~4)。所述四个轨道修正系数ktr2_i(修正值)根据周边状况数据D_info,而设定为正负的规定范围(例如Wtr_i·ktr2_i的绝对值不超过道路宽度的范围)内的值。
并且,使用图16所示的四个轨道权重函数值Wtr_i、纵方向速度修正系数kv、四个轨道修正系数ktr2_i,如以下那样算出任意的未来时刻tf*时的行驶轨道Tr_sk。
首先,通过下式(11),算出任意的未来时刻tf*时的纵方向速度vl。
[数11]
vl=kv·vl_bs…(11)
接下来,通过下式(12),算出任意的未来时刻tf*时的相对纵位置yf*。
[数12]
yf*=vl·tf*=kv·vl_bs·tf*…(12)
接下来,通过下式(13),算出任意的标准化时间tn。
[数13]
tn*=tf*/kv…(13)
进而,根据利用上式(13)算出的任意的标准化时间tn*来检索图16,从而算出四个轨道权重函数值Wtr_i。
然后,最终通过下式(14)来算出行驶轨道Tr_sk。
[数14]
在所述类型3的行驶轨道计算方法的情况下,由于行驶轨道Tr_sk是通过以上的方法而算出,因此是作为将四个轨道修正系数ktr2_i、纵方向速度修正系数kv及任意的未来时刻tf*设为独立变量的函数F(ktr2_i、kv、tf*)而算出。此处,在如下式(15)所示那样定义搜索轨道修正向量Kθ(修正值)的情况下,行驶轨道Tr_sk是作为将搜索轨道修正向量Kθ及任意的未来时刻tf*设为独立变量的函数F(Kθ、tf*)而算出。另外,所述搜索轨道修正向量Kθ的值是在前述的极值搜索控制器50中,通过后述的方法而算出。
[数15]
Kθ=[ktr2_1ktr2_2ktr2_3ktr2_4kv]…(15)
在以上的类型3的行驶轨道计算方法的情况下,行驶轨道Tr_sk在kv=1成立时,例如被算出为图17的实线所示的值,在kv>1成立时,被算出为图17的虚线所示的值。在所述图17中,yf_1~yf_4是与kv=1成立时的标准化时间tn_1~tn_4对应的相对纵位置yf的值。
在所述图17中,yf'、yf*分别表示kv=1及kv>1成立时的、与任意的标准化时刻tn*对应的相对纵位置。如所述图17所示,因vl>vl_bs成立,因而kv>1成立时的相对纵位置yf*处于较kv=1成立时的相对纵位置yf'朝前方移动的位置。
此时,为了便于理解,图17是将横轴以相对纵位置yf来表示,但在所述类型3的行驶轨道计算方法的情况下,实际的行驶轨道Tr_sk是以与未来时刻tf相关联的状态而算出。
以上的类型3的行驶轨道计算方法是在繁华街道上行驶的情况、或者一边以Z字形避开交通参与者一边行驶的情况(参照后述的图19)等复杂行驶环境下,算出行驶轨道Tr_sk的最佳方法。
另外,在类型3的行驶轨道计算方法中,作为轨道权重函数值Wtr_i,使用了四个值Wtr_1~Wtr_4,但轨道权重函数值Wtr_i的数量并不限于此,也可使用两个至三个或者五个以上的函数值。此时,轨道修正系数ktr2_i也只要使用与轨道权重函数值Wtr_i相同数量的值即可。
接下来,对前述的类型4的行驶轨道计算方法进行说明。在所述类型4的行驶轨道计算方法的情况下,如图18所示,是在将自身车辆3的相对横位置xf设为横轴、将相对纵位置yf设为纵轴的平面上,将n(n≧2)个线段的各两个以彼此之间带有角度的状态予以组合,从而决定/算出行驶轨道Tr_sk。
具体而言,首先,通过下式(16),算出局部(local)轨道距离Li(i=1~n)。所述局部轨道距离Li相当于n个线段各自的长度。
[数16]
Li=kv_i·v_bs·△t…(16)
上式(16)中,kv_i(i=1~n)表示速度修正系数(修正值),v_bs表示基准循道方向速度(规定的函数值),△t表示局部区间行驶时间。所述局部区间行驶时间△t是自身车辆3行驶局部轨道距离Li所需的时间。
接下来,通过下式(17),算出任意的未来时刻tf*时的相对纵位置yf*。
[数17]
上式(17)的θi是如图18所示,各线段相对于自身车辆3在当前时间点的中心线的角度。
接下来,通过下式(18),算出任意的未来时刻tf*时的相对横位置xf*。
[数18]
然后,通过下式(19),算出行驶轨道Tr_sk。
[数19]
Tr_sk=[xf*yf*]…(19)
进而,通过下式(20),算出循道方向速度v。
所述循道方向速度v是自身车辆3的行驶方向的速度。
[数20]
v=kv_i·v_bs…(20)
由于行驶轨道Tr_sk是通过以上的方法而算出,因此是作为将n个速度修正系数kv_i、n个角度θi及任意的未来时刻tf*设为独立变量的函数F(kv_i、θi、tf*)而算出。此处,在如下式(21)所示那样定义搜索轨道修正向量Kθ(修正值)的情况下,行驶轨道Tr_sk是作为将搜索轨道修正向量Kθ及任意的未来时刻tf*设为独立变量的函数F(Kθ、tf*)而算出。另外,所述搜索轨道修正向量Kθ的值是在前述的极值搜索控制器50中,通过后述的方法而算出。
[数21]
Kθ=[kv_1…kv_nθ1…θn]…(21)
在所述类型4的行驶轨道计算方法的情况下,在搜索轨道修正向量Kθ的计算式(17)、(18)中包含角度θi,因此,在计算行驶轨道Tr_sk时,通过搜索轨道修正向量Kθ来修正(变更)相邻的各两个线段之间的角度。
另外,在类型4的行驶轨道计算方法中,也可使搜索轨道修正向量Kθ构成为仅将n个速度修正系数kv_i或仅将n个角度θi作为要素的向量。
如上所述,行驶环境模型推断部40中,基于周边状况数据D_info,选择类型1~类型4的行驶轨道计算方法中的任一种,使用所选择的行驶轨道计算方法来算出行驶轨道Tr_sk。
另外,以上的说明中,说明了在类型1~类型4的行驶轨道计算方法中,使用搜索轨道修正向量Kθ来算出行驶轨道Tr_sk,但在行驶轨道Tr_sk的实际运算中,由于后述的理由,将使用由极值搜索控制器50所算出的最终搜索轨道修正向量Kθ_sk,来取代搜索轨道修正向量Kθ。
进而,行驶环境模型推断部40基于行驶轨道Tr_sk、潜在不利Prisk及潜在有利Pbnf,来制作例如图19所示的行驶环境模型,并且使用所述图19的行驶环境模型,通过以下所述的方法,以规定的计算周期(搜索周期)△Tsk来算出评价函数值J。
所述图19是平面地表示有作为交通参与者的行人8b、停在反向车道上的其他车辆7b及正在反向车道上行驶的其他车辆7c存在的行驶环境下的行驶环境模型。
所述行驶环境模型推断部40中,首先,利用图19中的搜索索引(index)zj(j=0~m:m为整数)的时刻或距离,对行驶环境模型进行搜索(检索),从而算出与搜索索引zj对应的潜在有利Pbnf(zj)及潜在不利Prisk(zj)。此时,作为搜索索引zj,在执行类型1~类型3的行驶轨道计算方法的情况下,使用未来时刻tf,在执行类型4的行驶轨道计算方法的情况下,使用循道距离x。
然后,使用搜索到的潜在有利Pbnf(zj)及潜在不利Prisk(zj),通过下式(22)来算出评价函数值J。
[数22]
上式(22)中,k为计算时刻(搜索时刻),Kbnf为潜在有利修正系数。所述潜在有利修正系数Kbnf是通过根据潜在不利Prisk来检索图20所示的映射而算出。
所述图的Prisk1~Prisk2是设定为Prisk1<Prisk2成立的潜在不利Prisk的规定值。所述映射中,潜在有利修正系数Kbnf在Prisk≦Prisk1的区域中被设定为值1,在Prisk2≦Prisk的区域中被设定为值0,并且,在Prisk1<Prisk<Prisk2的区域中,潜在不利Prisk越大,则设定为越小的值。如以上那样的潜在有利修正系数Kbnf的设定理由将后述。而且,以上的评价函数值J的计算方法的原理也将后述。
接下来,对前述的极值搜索控制器50进行说明。如图8所示,极值搜索控制器50具备冲失滤波器(washout filter)51、n个参照信号产生器52_i(i=1~n)、n个乘法器53_i(i=1~n)、n个移动平均滤波器54_i、n个搜索控制器55_i(i=1~n)及向量计算部56。
所述冲失滤波器51中,通过下式(23)来算出滤值Pw。
[数23]
Pw(k)=J(k)-J(k-1)…(23)
如上式(23)所示,滤值Pw是作为评价函数值的此次值J(k)与前次值J(k-1)的差值而算出。而且,冲失滤波器51是用于使评价函数值J中所含的、因后述的参照信号值w_i引起的频率成分通过者。此时,也可取代上式(23),而通过使后述的n个参照信号值w_i的频率成分通过的巴特沃斯高通滤波算法(Butterworth highpass filter algorithm)来算出滤值Pw,还可构成为,通过仅使n个参照信号值w_i各自的频率成分通过的n个带通滤波算法(band pass filter algorithm),来算出n个滤值Pw。
而且,从n个参照信号产生器52_i分别输出n个参照信号值w_i(i=1~n)。所述n个参照信号值w_i被设定为彼此不同周期的周期函数值,它们的周期被设定为彼此不同的n个值m_i(i=1~n)与计算周期△Tsk之积m_i·△Tsk。进而,作为周期函数的波形,例如使用正弦波、余弦波、三角波、梯形波及矩形波等。
进而,在n个乘法器53_i中,通过下式(24),分别算出n个中间值Pc_i(i=1~n)。
[数24]
Pc_i(k)=Pw(k)·w_i(k-1)…(24)
而且,在n个移动平均滤波器54_i中,通过下式(25)来算出n个移动平均值Pa_i。
[数25]
上式(25)的mlcm是所述的值m_i的最大公倍数。像这样将移动平均值Pa_i的采样(sampling)个数设定为值mlcm+1的理由是,为了从移动平均值Pa_i中去除参照信号值w_i的频率成分。
接下来,在n个搜索控制器55_i中,通过下式(26)、式(27)所示的滑模(slidingmode)控制算法,来算出n个修正系数kθ_i(i=1~n)。
[数26]
σ_i(k)=Pa_i(k)+S_i·Pa_i(k-1)…(26)
[数27]
kθ_i(k)=kθ_i(k-1)+Ksk_i·σ_i(k)…(27)
上式(26)的σ_i(i=1~n)是切换函数,S_i(i=1~n)是设定为-1<S_i<0成立的响应指定参数。而且,式(27)的Ksk_i(i=1~n)是规定的增益(gain)。如参照上式(26)、上式(27)而明确的那样,n个修正系数kθ_i是通过仅自适应律输入的滑模控制算法,以具有使n个移动平均值Pa_i收敛为值0的功能的方式而算出。
此时,n个修正系数kθ_i能够表示为下式(28)所示的搜索轨道修正向量Kθ。
[数28]
Kθ(k)=[kθ_1(k)…kθ_n(k)]…(28)
在上式(28)的情况下,其右边的要素在使用前述的类型1的行驶轨道计算方法的情况下,相当于前述式(5)右边的要素,在使用类型2的行驶轨道计算方法的情况下,相当于前述式(10)右边的要素,在使用类型3的行驶轨道计算方法的情况下,相当于前述式(15)右边的要素。进而,在使用类型4的行驶轨道计算方法的情况下,取代以上的规定值n,而使用其两倍值2n来执行式(22)~式(28)的计算,并且,此时的式(28)的右边相当于前述式(21)右边的要素。
然后,在向量计算部56中,通过下式(29)、式(30),来算出最终搜索轨道修正向量Kθ_sk。
[数29]
kθ_i_sk(k)=kθ_i(k-1)+w_i(k)…(29)
[数30]
Kθ_sk(k)=[kθ_1_sk(k)…kθ_n_sk(k)]…(30)
如比较上式(29)、上式(30)与前述的式(27)、式(28)而明确的那样,在最终搜索轨道修正向量Kθ_sk的情况下,所述各要素kθ_i_sk是作为将搜索轨道修正向量Kθ的各要素kθ_i分别加上参照信号值w_i所得的值而算出。因此,行驶轨道Tr_sk最终是使用搜索轨道修正向量Kθ而算出。例如,在类型1、类型2的行驶轨道计算方法的情况下,是通过利用搜索轨道修正向量Kθ来修正基准轨道wbs而算出。
如上所述,在行驶环境模型推断部40中,通过前述的计算方法而算出评价函数值J,在极值搜索控制器50中,通过前述的计算方法而算出最终搜索轨道修正向量Kθ_sk。接下来,对这些评价函数值J及最终搜索轨道修正向量Kθ_sk的计算方法的原理进行说明。
首先,对评价函数值J的计算方法的原理进行说明。例如,在利用类型1~类型4的行驶轨道计算方法中的任一种来算出行驶轨道Tr_sk的情况下,在图19的A-A线所示的搜索索引的时刻,潜在不利Prisk及潜在有利Pbnf例如为图21所示。
如所述图21所示,潜在不利Prisk是以正值表示,潜在有利Pbnf是以负值表示,最理想的行驶轨道Tr_sk的位置为图22所示那样的、潜在不利Prisk与潜在有利Pbnf之和Prisk+Pbnf成为极小值(即最小值)的点(☆所示的点)。
因此,当将行驶轨道Tr_sk决定为最理想的行驶轨道时,考虑使用两个值之和Prisk+Pbnf来定义所述评价函数值J。但是,若在潜在有利Pbnf的区域与潜在不利Prisk的区域在平面观察时重合的条件下(例如图19的搜索索引zm-x的时刻),将行驶轨道Tr_sk决定为两个值之和Prisk+Pbnf的最小值的位置,则自身车辆3接触到交通参与者的可能性升高。
为了避免所述状况,本实施方式的评价函数值J如所述计算式(22)所示那样,使用将潜在有利修正系数Kbnf乘以潜在有利Pbnf所得的值Kbnf·Pbnf,并且,对于所述潜在有利修正系数Kbnf,如前述的图20所示那样,在潜在不利Prisk大于规定值Prisk2的区域中设定为值0,由此构成为,在评价函数值J的计算时,使潜在不利Prisk优先。
由此,在潜在有利Pbnf的区域与潜在不利Prisk的区域在平面观察时重合的条件下,能够避免行驶轨道Tr_sk与潜在不利Prisk大的区域产生交错,从而能够避免自身车辆3接触到交通参与者。基于以上的理由,评价函数值J是使用潜在有利修正系数Kbnf而算出。
接下来,对最终搜索轨道修正向量Kθ_sk的计算原理进行说明。首先,在计算行驶轨道Tr_sk的最佳轨道时,只要以下述方式来算出行驶轨道Tr_sk即可,即,与存在潜在不利Prisk的区域的交错程度成为最小值,并且与存在潜在有利Pbnf的区域的交错程度成为最大值。
换言之,潜在不利Prisk与潜在有利Pbnf之和成为最小值的点为所述时刻的行驶轨道Tr_sk的最佳轨道,因此只要以评价函数值J成为极小值(即最小值)的方式来决定行驶轨道Tr_sk即可。此时,在行驶轨道Tr_sk如前所述,是使用最终搜索轨道修正向量Kθ_sk而算出的关系上,只要以评价函数值J成为极小值的方式来算出最终搜索轨道修正向量Kθ_sk即可。
因此,在本实施方式的情况下,为了以评价函数值J成为极小值的方式来算出最终搜索轨道修正向量Kθ_sk,而使用了以下的原理。首先,在行驶轨道Tr_sk是使用最终搜索轨道修正向量Kθ_sk而算出的关系上,因最终搜索轨道修正向量Kθ_sk中所含的参照信号值w_i的特性(周期函数),会呈现出规定振幅的振动行为。进而,在使用此种行驶轨道Tr_sk来算出潜在不利Prisk及潜在有利Pbnf的关系上,评价函数值J也会呈现出规定振幅的振动行为。
此处,若假定最终搜索轨道修正向量Kθ_sk的1个要素kθ_1_sk与评价函数值J的关系表示为图23所示的曲线,则因参照信号值w_i引起的评价函数值J的振动行为将如图中的箭头Y1或箭头Y2所示那样,成为带着一定斜率的状态。另一方面,由于前述的移动平均值Pa_i是评价函数值J的滤值Pw与参照信号值w_i之积的移动平均值,因此成为相当于评价函数值J与参照信号值w_i的相关函数的值。
因此,若相当于相关函数的移动平均值Pa_i为正值,则评价函数值J的斜率表示正值,若移动平均值Pa_i为负值,则评价函数值J的斜率表示负值。除此以外,移动平均值Pa_i是通过前述的式(25)而算出,因而是以参照信号值w_i的频率成分已去除的状态而算出。基于以上的理由,移动平均值Pa_i与要素kθ_1_sk的关系例如能够表示为图24所示那样的单调增加的函数。即,移动平均值Pa_i在变更行驶轨道Tr_sk时,表示评价函数值J发生变化的方向。
因此,在以评价函数值J成为极小值(最小值)的方式来计算最终搜索轨道修正向量Kθ_sk时,只要以图24所示的函数的斜率成为值0的方式来算出移动平均值Pa_i即可。即,只要以移动平均值Pa_i收敛为值0的方式,使用反馈(feedback)控制算法来算出最终搜索轨道修正向量Kθ_sk即可。
基于以上的理由,本实施方式的极值搜索控制器50中,使用包含作为反馈控制算法的滑模控制算法(26)及(27)的、式(23)~式(30)的计算算法,来算出最终搜索轨道修正向量Kθ_sk。
在像这样搜索评价函数值J的极小值的情况下,在一般的极值搜索算法中,需要评价函数值J的斜率数据,与此相对,本实施方式的计算算法中,不需要评价函数值J的斜率数据。其结果,在本实施方式的计算算法的情况下,与一般的极值搜索算法相比,具有能够降低运算负载,并能够提高运算精度的优点。基于同样的理由,在适用于自动驾驶装置中的决定行驶轨道的系统那样的、时间性变化的系统的情况下,一般的极值搜索算法会造成稳健性(robustness)下降,与此相对,本实施方式的计算算法中,具有能够确保高稳健性的优点。
而且,如前所述,移动平均值Pa_i是表示变更行驶轨道Tr_sk时,评价函数值J的斜率即评价函数值J发生变化的方向的值(方向值),因此,以评价函数值J成为最小值(即,以移动平均值Pa_i收敛为值0的方式)来算出最终搜索轨道修正向量Kθ_Sk,相当于以下述方式来算出最终搜索轨道修正向量Kθ_sk,即,与存在潜在不利Prisk的区域的交错程度成为最小值,并且与存在潜在有利Pbnf的区域的交错程度成为最大值。
进而,由于评价函数值J是使用潜在有利修正系数Kbnf而算出,因此在存在潜在不利Prisk的区域与存在潜在有利Pbnf的区域有交错的情况下,以下述方式来算出最终搜索轨道修正向量Kθ_sk,即,潜在不利Prisk越大,则行驶轨道Tr_sk与存在潜在不利Prisk的区域的交错程度越减少。其结果,能够避免自身车辆3接触到交通参与者。
接下来,一边参照图25,一边对行驶轨道搜索处理进行说明。所述行驶轨道搜索处理是通过前述的计算方法,来算出行驶轨道Tr_sk、评价函数值J及最终搜索轨道修正向量Kθ_sk等,由ECU 2以前述的规定的计算周期△Tsk来执行。另外,以下的说明中所算出的各种值被存储在ECU 2的E2PROM内。
如所述图25所示,首先,在步骤1(图中简称为“S1”,以下相同)中,读取来自状况检测装置4的周边状况数据D_info。
接下来,前进至步骤2,根据E2PROM内的行驶轨道Tr_sk及周边状况数据D_info来检索未图示的映射,从而算出潜在不利Prisk。此时,潜在不利Prisk是算出搜索索引z0~zm为止的值,将这些值覆盖E2PROM内所存储的前次值(搜索索引z0~zm为止的值)。
接下来,在步骤3中,根据E2PROM内的行驶轨道Tr_sk及周边状况数据D_info来检索未图示的映射,从而算出潜在有利Pbnf。此时,潜在有利Pbnf是算出搜索索引z0~zm为止的值,将这些值覆盖E2PROM内所存储的前次值(搜索索引z0~zm为止的值)。
在紧跟着步骤3的步骤4中,算出行驶轨道Tr_sk。具体而言,基于周边状况数据D_info,选择前述的类型1~类型4的行驶轨道计算方法的计算式,即式(1)~式(5)、式(6)~式(10)、式(11)~式(15)及式(16)~式(21)中的任一个,将所选择的计算式中的搜索轨道修正向量Kθ的要素置换为最终搜索轨道修正向量Kθ_sk的要素,来算出行驶轨道Tr_sk。
此时,行驶轨道Tr_sk是算出搜索索引z0~zm为止的值,将这些值覆盖E2PROM内所存储的前次值(搜索索引z0~zm为止的值)。即,行驶轨道Tr_sk是以计算周期△Tsk而逐次受到更新。
接下来,前进至步骤5,通过前述的式(22)而算出评价函数值J后,在步骤6中,通过前述的式(23)而算出滤值Pw。
接下来,在步骤7中,通过前述的式(24)而算出n个中间值Pc_i后,前进至步骤8,通过前述的式(25)而算出n个移动平均值Pa_i。
接下来,前进至步骤9,通过前述的式(26)~式(28)而算出搜索轨道修正向量Kθ。
接下来,在步骤10中,通过前述的式(29)~式(30)而算出最终搜索轨道修正向量Kθ_sk后,结束本处理。
如上所述,本实施方式的自动驾驶装置1中,最终搜索轨道修正向量Kθ_sk以规定的计算周期△Tsk而逐次更新,并且,在下个计算时机(timing),使用像这样受到更新的最终搜索轨道修正向量Kθ_sk来逐次更新行驶轨道Tr_sk。
接下来,一边参照图26,一边对自动驾驶控制处理进行说明。所述自动驾驶控制处理是控制自身车辆3在所算出的行驶轨道Tr_sk上行驶,由ECU 2以比前述的规定的计算周期△Tsk长的规定的控制周期△Tad来执行。
如所述图26所示,首先,在步骤20中,读取E2PROM内所存储的行驶轨道Tr_sk。
接下来,前进至步骤21,驱动发动机5,以使自身车辆3在所读取的行驶轨道Tr_sk上行驶。
接下来,在步骤22中,驱动致动器6以使自身车辆3在所读取的行驶轨道Tr_sk上行驶后,结束本处理。
接下来,对如以上那样构成的本实施方式的自动驾驶装置1的行驶轨道决定处理的模拟结果进行说明。以下所述的模拟结果是在如图27所示的、存在先行车辆7d及相向车辆7e的行驶环境条件下,使用前述的类型1的行驶轨道计算方法,赶超先行车辆7d时的模拟结果。
首先,图28中的(a)至(c)表示本实施方式的自动驾驶装置1的行驶轨道决定处理的模拟结果(以下称作“本申请结果”),图29中的(a)至(c)中,为了进行比较,表示省略了潜在有利Pbnf时的行驶轨道决定处理的模拟结果(以下称作“第1比较结果”),图30中,为了进行比较,表示省略了最终搜索轨道修正向量Kθ_sk时的行驶轨道决定处理的模拟结果(以下称作“第2比较结果”)。
而且,图28中的(a)至(c)~图30中的J'是仅自身车辆3的前端位置的评价函数值,是通过下式(31)而算出。
[数31]
J'(k)=Prisk(z')+Kbnf(z')·Pbnf(z')…(31)
所述式(31)的z'是自身车辆3的前端位置的搜索索引。
首先,若参照第2比较结果,则可知的是,在时刻t21,评价函数值J'骤增至规定值J1'附近为止。所述规定值J1'是表示自身车辆3已碰撞到交通参与者等的值,所述时刻t21时的评价函数值J'的骤增是因自身车辆3碰撞到先行车辆7d而引起。
而且可知的是,在时刻t22开始车道变更后,在时刻t23,评价函数值J'再次骤增至规定值J1'附近为止。这是因为自身车辆3与相向车辆7e碰撞而引起。
与此相对,在本申请结果的情况下,在时刻t1,开始赶超动作,在执行车道变更后,在时刻t2,恢复到理想的行驶位置。在此期间,跟如第2比较结果那样的与其他车辆产生碰撞的情况不同,评价函数值J'几乎未上升,可知已适当了决定行驶轨道Tr_sk。
进而,若参照第1比较结果,则在所述第1比较结果的情况下,在时刻t11开始赶超动作,在执行了车道变更后,在时刻t12,恢复到原本的行驶位置。在此期间,评价函数值J'与本申请结果同样几乎未上升,在此点上,可知已适当决定了行驶轨道Tr_sk。
但是,可知的是,在第1比较结果的情况下,时刻t12以后,自身车辆3偏离了理想的行驶位置,与此相对,在本申请结果的情况下,如前所述,时刻t2以后,自身车辆3恢复到理想的行驶位置。即,可知的是,在本申请结果的情况下,通过使用潜在有利Pbnf,能够使自身车辆3恢复到理想的行驶位置,从而更适当地决定了行驶轨道Tr_sk。
如上所述,根据本实施方式的自动驾驶装置1,使用由状况检测装置4所检测出的周边状况数据D_info及行驶轨道Tr_sk来算出潜在不利Prisk及潜在有利Pbnf。并且,基于周边状况数据D_info来选择类型1~类型4的行驶轨道计算方法中的任一种,并使用所选择的行驶轨道计算方法及最终搜索轨道修正向量Kθ_sk,来算出从当前至未来为止的行驶轨道Tr_sk。
在所述最终搜索轨道修正向量Kθ_sk的情况下,使用潜在不利Prisk、潜在有利Pbnf及潜在有利修正系数Kbnf,通过式(22)来算出评价函数值J,并以所述评价函数值J成为极小值的方式来算出最终搜索轨道修正向量Kθ_sk(即搜索轨道修正向量Kθ)。这相当于以下述方式算出最终搜索轨道修正向量Kθ_sk,即,与存在潜在不利Prisk的区域的交错程度成为最小,并且与存在潜在有利Pbnf的区域的交错程度成为最大。
进而,通过利用此种最终搜索轨道修正向量Kθ_sk来修正基准轨道wbs及轨道权重函数值Wtr_i等,从而算出行驶轨道Tr_sk,因此在计算行驶轨道Tr_sk时,与专利文献1的情况不同,不再需要计算/推断围绕自身车辆3的多个网格中的障碍物等的存在概率,由此,能够迅速且适当地算出行驶轨道Tr_sk。由此,能够与熟练驾驶员驾驶自身车辆3的情况同样地,通过自动驾驶来实现安全且理想的行驶状态,从而能够确保高商品性。
而且,在类型1、类型2的行驶轨道计算方法的情况下,通过利用最终搜索轨道修正向量Kθ_sk(即搜索轨道修正向量Kθ)来修正定义为映射状的基准轨道wbs,从而决定行驶轨道Tr_sk,因此,既能避免自身车辆3的行驶轨道Tr_sk与交通参与者的存在区域产生交错,又能避免决定为自身车辆3无法追随的行驶轨道Tr_sk,并且能够适当地设定自身车辆3的横方向的速度。由此,既能防止自身车辆3表现出打转或蛇行等不稳定的行为,又能通过自动驾驶来实现安全且理想的行驶状态。
进而,在类型3的行驶轨道计算方法的情况下,通过将利用最终搜索轨道修正向量Kθ_sk(即搜索轨道修正向量Kθ)对轨道权重函数值Wtr_i进行修正的值予以合成,从而决定行驶轨道Tr_sk,因此,既能避免自身车辆3的行驶轨道Tr_sk与有可能存在交通参与者的存在区域产生交错,又能适当地设定自身车辆3将进路变更到左侧之后再将进路变更到右侧的情况、或者反复进行Z字形行驶的情况等行驶环境下的行驶轨道Tr_sk,从而能够在此种行驶环境下实现顺畅且安全的自动驾驶。
除此以外,在类型4的行驶轨道计算方法的情况下,行驶轨道Tr_sk是以将n个线段以n个角度予以结合的状态而决定,并且,使用最终搜索轨道修正向量Kθ_sk来修正行驶轨道Tr_sk,因此,既能避免自身车辆3的行驶轨道Tr_sk与交通参与者的存在区域产生交错,又能适当地设定自身车辆3在岔路口左转或右转的情况、或在高速公路上汇流的情况等行驶环境下的行驶轨道Tr_Sk,从而能够在此种行驶环境下实现顺畅且安全的自动驾驶。
而且,在计算最终搜索轨道修正向量Kθ_sk时,移动平均值Pa_i是作为表示使行驶轨道Tr_sk变化时的行驶轨道Tr_sk与存在区域数据所表示的存在区域的交错程度的变化方向的值而算出,以所述移动平均值Pa_i成为值0的方式来算出最终搜索轨道修正向量Kθ_sk,因此能够缩短计算行驶轨道Tr_sk时的计算时间,与此同时,能够降低计算负载。其结果,能够削减自动驾驶装置1的制造成本,并且能够使用相对较低能力的运算装置来实现自动驾驶装置1。基于相同的理由,能够使用所述自动驾驶装置1来实现自动驾驶车辆的高速行驶。
另外,实施方式为使用潜在不利Prisk来作为存在区域数据的示例,但本发明的存在区域数据并不限于此,只要是表示存在区域者即可,所述存在区域是自身车辆周边的、交通参与者从当前至未来有可能存在的区域或者在未来有可能存在的区域。例如,也可构成为,将自身车辆周边的、交通参与者在未来有可能存在的区域作为表示存在区域的存在区域数据,来算出潜在不利Prisk。
而且,实施方式是使用潜在有利Pbnf作为行驶区域数据的示例,但本发明的存在区域数据并不限于此,只要是表示自身车辆应行驶的理想的未来行驶区域者即可。
进而,实施方式是使用潜在不利Prisk及潜在有利Pbnf这两者来决定行驶轨道Tr_sk的示例,但也可仅使用潜在不利Prisk来决定行驶轨道Tr_sk。此时,作为评价函数值J的计算式,只要使用在前述的式(22)中设定为Pbnf(zj)=0的计算式即可。进而,在仅使用潜在不利Prisk来决定行驶轨道Tr_sk的情况下,除了潜在不利Prisk、周边状况数据D_info及最终搜索轨道修正向量Kθ_sk以外,还可使用其他参数来决定行驶轨道Tr_sk。
另一方面,实施方式是使用周边状况数据D_info、潜在不利Prisk、潜在有利Pbnf及最终搜索轨道修正向量Kθ_sk来决定行驶轨道Tr_sk的示例,但也可进而使用除这些以外的参数来决定行驶轨道Tr_sk。
而且,实施方式是使用式(1)~式(30)来作为搜索轨道修正向量Kθ的计算算法的示例,但搜索轨道修正向量Kθ的计算算法并不限于此,只要为如下所述者即可,即:能够以下述方式来算出搜索轨道修正向量Kθ者,即,未来的行驶轨道与存在区域数据所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值;或者,能够以下述方式来算出搜索轨道修正向量Kθ者,即,未来的行驶轨道与存在区域数据所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值,并且未来的行驶轨道与行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值。
进而,实施方式是将本发明的自动驾驶装置1及行驶轨道决定装置1适用于四轮车辆的示例,但本发明的自动驾驶装置及行驶轨道决定装置并不限于此,也可适用于二轮车辆、三轮车辆及五轮以上的车辆。
Claims (10)
1.一种行驶轨道决定装置,其特征在于,包括:
周边状况数据获取部件,获取表示自身车辆的周边状况的周边状况数据;
存在区域数据计算部件,使用所述周边状况数据,算出表示存在区域的存在区域数据,所述存在区域是所述自身车辆周边的、交通参与者从当前至未来有可能存在的区域或者在未来有可能存在的区域;
行驶轨道决定部件,使用所述存在区域数据和以修正值对规定的函数值进行修正所得的值,决定所述自身车辆未来的行驶轨道;
行驶区域数据计算部件,算出行驶区域数据,所述行驶区域数据表示所述自身车辆应行驶的理想的未来行驶区域;以及
修正值计算部件,使用规定的算法,以下述方式来算出所述修正值,即,所述未来的行驶轨道与所述存在区域数据所表示的所述存在区域的交错程度成为包含最小值的所述最小值附近的值,并且所述未来的行驶轨道与所述行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值。
2.根据权利要求1所述的行驶轨道决定装置,其特征在于,
所述规定的函数值是将所述自身车辆变更进路时的形态作为映射而预先定义的函数值。
3.根据权利要求2所述的行驶轨道决定装置,其特征在于,
所述规定的函数值是对所述自身车辆变更进路时的进路变更速度进行定义的函数值,
所述修正值是以对所述进路变更速度进行修正的方式而构成。
4.根据权利要求1所述的行驶轨道决定装置,其特征在于,
所述规定的函数值包含将多个线段以彼此之间存在角度的状态结合而成的函数值,所述修正值是以对所述多个线段的长度及所述角度中的至少一者进行修正的方式而构成。
5.根据权利要求1所述的行驶轨道决定装置,其特征在于,还包括:
不可行驶区域数据计算部件,使用所述周边状况数据,算出不可行驶区域数据,所述不可行驶区域数据表示所述自身车辆不应行驶的不可行驶区域,
所述修正值计算部件还使用所述规定的算法,以下述方式来算出所述修正值,即,除了所述未来的行驶轨道与所述存在区域数据所表示的存在区域的交错程度以外,所述未来的行驶轨道与所述不可行驶区域数据所表示的不可行驶区域的交错程度也成为包含最小值的所述最小值附近的值。
6.根据权利要求1所述的行驶轨道决定装置,其特征在于,
所述修正值计算部件在所述行驶区域数据所表示的行驶区域与所述存在区域数据所表示的所述存在区域有交错的情况下,以下述方式来算出所述修正值,即,所述交错区域中的所述交通参与者的存在概率越高,则所述未来的行驶轨道与所述存在区域数据所表示的所述存在区域的交错程度越进一步减少。
7.一种行驶轨道决定装置,其特征在于,包括:
周边状况数据获取部件,获取表示自身车辆的周边状况的周边状况数据;
存在区域数据计算部件,使用所述周边状况数据,算出表示存在区域的存在区域数据,所述存在区域是所述自身车辆周边的、交通参与者在当前至未来有可能存在的区域或者在未来有可能存在的区域;
行驶区域数据计算部件,算出行驶区域数据,所述行驶区域数据表示所述自身车辆应行驶的理想的未来行驶区域;以及
行驶轨道决定部件,使用所述存在区域数据及所述行驶区域数据,决定所述自身车辆未来的行驶轨道,
所述行驶轨道决定部件以下述方式来决定所述未来的行驶轨道,即,所述未来的行驶轨道与所述存在区域数据所表示的存在区域的交错程度成为包含最小值的所述最小值附近的值,并且所述未来的行驶轨道与所述行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值。
8.根据权利要求7所述的行驶轨道决定装置,其特征在于,
所述行驶轨道决定部件决定成为所述未来的行驶轨道的基准的基准行驶轨道,通过以下述方式来修正所述基准行驶轨道而决定所述未来的行驶轨道,即,所述未来的行驶轨道与所述存在区域数据所表示的区域的交错程度成为包含最小值的所述最小值附近的值,并且所述未来的行驶轨道与所述行驶区域数据所表示的行驶区域的交错程度成为包含最大值的所述最大值附近的值。
9.根据权利要求7所述的行驶轨道决定装置,其特征在于,
所述行驶轨道决定部件在所述行驶区域数据所表示的行驶区域与所述存在区域数据所表示的所述存在区域有交错的情况下,以下述方式来决定所述未来的行驶轨道,即,所述交错区域中的所述交通参与者的存在概率越高,则所述未来的行驶轨道与所述存在区域数据所表示的所述存在区域的交错程度越进一步减少。
10.一种自动驾驶装置,其特征在于,包括:
权利要求1至9中任一项所述的行驶轨道决定装置,
以在由所述行驶轨道决定装置所决定的所述未来的行驶轨道上行驶的方式,来控制所述自身车辆的行驶状态。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-110415 | 2017-06-02 | ||
JP2017110415A JP6580087B2 (ja) | 2017-06-02 | 2017-06-02 | 走行軌道決定装置及び自動運転装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108973997A CN108973997A (zh) | 2018-12-11 |
CN108973997B true CN108973997B (zh) | 2021-07-16 |
Family
ID=64458745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810530513.1A Active CN108973997B (zh) | 2017-06-02 | 2018-05-29 | 行驶轨道决定装置以及自动驾驶装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10775798B2 (zh) |
JP (1) | JP6580087B2 (zh) |
CN (1) | CN108973997B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11077756B2 (en) * | 2017-11-23 | 2021-08-03 | Intel Corporation | Area occupancy determining device |
EP3499405A1 (en) * | 2017-12-13 | 2019-06-19 | My Virtual Reality Software AS | Method and device for augmenting a person's view of a mining vehicle on a mining worksite in real-time |
US10678487B2 (en) * | 2018-06-20 | 2020-06-09 | Hewlett-Packard Development Company, L.P. | Output bins with adjustable offset positions |
CN109949611B (zh) | 2019-03-28 | 2021-11-30 | 阿波罗智能技术(北京)有限公司 | 无人车的变道方法、装置及存储介质 |
CN110083165B (zh) * | 2019-05-21 | 2022-03-08 | 大连大学 | 一种机器人在复杂狭窄环境下路径规划方法 |
JPWO2020251034A1 (zh) * | 2019-06-13 | 2020-12-17 | ||
US11467584B2 (en) * | 2019-12-27 | 2022-10-11 | Baidu Usa Llc | Multi-layer grid based open space planner |
JP7268629B2 (ja) | 2020-03-23 | 2023-05-08 | トヨタ自動車株式会社 | 運転支援システム |
JP7440324B2 (ja) * | 2020-03-31 | 2024-02-28 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、及びプログラム |
CN111338360B (zh) * | 2020-05-18 | 2020-10-02 | 北京三快在线科技有限公司 | 一种规划车辆行驶状态的方法及装置 |
CN111604908B (zh) * | 2020-06-04 | 2022-09-02 | 云南电网有限责任公司电力科学研究院 | 一种架空线路检修机器人机械臂的力位混合控制方法 |
CN111899509B (zh) * | 2020-07-20 | 2021-11-16 | 北方工业大学 | 一种基于车路信息耦合的智能网联汽车状态向量计算方法 |
CN112486018B (zh) * | 2020-12-23 | 2021-08-17 | 中国矿业大学(北京) | 一种基于速度自适应预瞄的无模型无人车路径跟踪方法 |
JP2022153059A (ja) * | 2021-03-29 | 2022-10-12 | 本田技研工業株式会社 | 軌道生成装置及び軌道生成方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008307951A (ja) * | 2007-06-12 | 2008-12-25 | Fuji Heavy Ind Ltd | 車両の運転支援装置 |
CN101959738A (zh) * | 2008-09-19 | 2011-01-26 | 日立汽车系统株式会社 | 车辆控制装置 |
DE102012005272A1 (de) * | 2012-02-20 | 2012-10-25 | Daimler Ag | Verfahren zur Ermittlung einer Gefahrenwahrscheinlichkeit und Verwendung des Verfahrens |
JP5262986B2 (ja) * | 2009-03-05 | 2013-08-14 | 日産自動車株式会社 | 走行経路生成装置、走行経路生成方法、及び運転操作支援装置 |
JP5531455B2 (ja) * | 2009-06-03 | 2014-06-25 | 日産自動車株式会社 | 車両の走行制御装置および車両の走行制御方法 |
JP2017206117A (ja) * | 2016-05-18 | 2017-11-24 | トヨタ自動車株式会社 | 運転支援装置 |
CN110121449A (zh) * | 2017-01-11 | 2019-08-13 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及车辆控制程序 |
CN110312650A (zh) * | 2017-02-20 | 2019-10-08 | 三菱电机株式会社 | 行驶计划修正装置及行驶计划修正方法 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2853077B2 (ja) * | 1993-09-17 | 1999-02-03 | 本田技研工業株式会社 | 自動走行車両 |
JP2002140798A (ja) * | 2000-11-06 | 2002-05-17 | Masato Abe | 運転支援制御システム |
JP5130638B2 (ja) * | 2006-03-22 | 2013-01-30 | 日産自動車株式会社 | 回避操作算出装置、回避制御装置、各装置を備える車両、回避操作算出方法および回避制御方法 |
US20080065328A1 (en) * | 2006-09-08 | 2008-03-13 | Andreas Eidehall | Method and system for collision avoidance |
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
JP5402057B2 (ja) | 2009-02-16 | 2014-01-29 | トヨタ自動車株式会社 | 移動ロボット制御システム、経路探索方法、経路探索プログラム |
US8244408B2 (en) * | 2009-03-09 | 2012-08-14 | GM Global Technology Operations LLC | Method to assess risk associated with operating an autonomic vehicle control system |
US20110190972A1 (en) * | 2010-02-02 | 2011-08-04 | Gm Global Technology Operations, Inc. | Grid unlock |
CN102591332B (zh) * | 2011-01-13 | 2014-08-13 | 同济大学 | 用于无人驾驶汽车局部路径规划的装置及方法 |
JP5761360B2 (ja) * | 2011-10-03 | 2015-08-12 | トヨタ自動車株式会社 | 車両の運転支援システム |
US9381916B1 (en) * | 2012-02-06 | 2016-07-05 | Google Inc. | System and method for predicting behaviors of detected objects through environment representation |
JP6047891B2 (ja) * | 2012-03-01 | 2016-12-21 | 日産自動車株式会社 | 車両用走行制御装置 |
JP6142979B2 (ja) * | 2012-08-01 | 2017-06-07 | マツダ株式会社 | 車線維持制御方法及び車線維持制御装置 |
JP5527382B2 (ja) * | 2012-10-12 | 2014-06-18 | トヨタ自動車株式会社 | 走行支援システム及び制御装置 |
DE102013001229A1 (de) * | 2013-01-25 | 2014-07-31 | Wabco Gmbh | Verfahren zum Ermitteln eines Auslöekriteriums für eine Bremsung und ein Notbremssystem zur Durchführung des Verfahrens |
JP5993784B2 (ja) * | 2013-04-18 | 2016-09-14 | 株式会社豊田中央研究所 | 経路修正装置 |
US9254846B2 (en) * | 2013-05-03 | 2016-02-09 | Google Inc. | Predictive reasoning for controlling speed of a vehicle |
DE102013010004A1 (de) * | 2013-06-14 | 2014-12-18 | Valeo Schalter Und Sensoren Gmbh | Verfahren und Vorrichtung zum Ausführen von kollisionsvermeidenden Maßnahmen |
JP2015195009A (ja) * | 2014-03-17 | 2015-11-05 | 日産自動車株式会社 | スライディングモード制御方法及びスライディングモード制御装置 |
US9440649B2 (en) * | 2014-10-29 | 2016-09-13 | Robert Bosch Gmbh | Impact mitigation by intelligent vehicle positioning |
JP2016148918A (ja) * | 2015-02-10 | 2016-08-18 | 国立大学法人神戸大学 | 車両の制御装置および車両の制御方法 |
US9487139B1 (en) * | 2015-05-15 | 2016-11-08 | Honda Motor Co., Ltd. | Determining a driver alert level for a vehicle alert system and method of use |
US9618938B2 (en) * | 2015-07-31 | 2017-04-11 | Ford Global Technologies, Llc | Field-based torque steering control |
JP6532786B2 (ja) * | 2015-08-07 | 2019-06-19 | 株式会社日立製作所 | 車両走行制御装置及び速度制御方法 |
SE539097C2 (en) * | 2015-08-20 | 2017-04-11 | Scania Cv Ab | Method, control unit and system for avoiding collision with vulnerable road users |
JP6803657B2 (ja) * | 2015-08-31 | 2020-12-23 | 日立オートモティブシステムズ株式会社 | 車両制御装置および車両制御システム |
DE102015016531A1 (de) * | 2015-12-18 | 2017-06-22 | Adam Opel Ag | Fahrerassistenzsystem und Verfahren zur Kollisionsvermeidung |
US10710579B2 (en) * | 2017-06-01 | 2020-07-14 | Waymo Llc | Collision prediction system |
-
2017
- 2017-06-02 JP JP2017110415A patent/JP6580087B2/ja active Active
-
2018
- 2018-05-29 CN CN201810530513.1A patent/CN108973997B/zh active Active
- 2018-05-31 US US15/993,598 patent/US10775798B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008307951A (ja) * | 2007-06-12 | 2008-12-25 | Fuji Heavy Ind Ltd | 車両の運転支援装置 |
CN101959738A (zh) * | 2008-09-19 | 2011-01-26 | 日立汽车系统株式会社 | 车辆控制装置 |
JP5262986B2 (ja) * | 2009-03-05 | 2013-08-14 | 日産自動車株式会社 | 走行経路生成装置、走行経路生成方法、及び運転操作支援装置 |
JP5531455B2 (ja) * | 2009-06-03 | 2014-06-25 | 日産自動車株式会社 | 車両の走行制御装置および車両の走行制御方法 |
DE102012005272A1 (de) * | 2012-02-20 | 2012-10-25 | Daimler Ag | Verfahren zur Ermittlung einer Gefahrenwahrscheinlichkeit und Verwendung des Verfahrens |
JP2017206117A (ja) * | 2016-05-18 | 2017-11-24 | トヨタ自動車株式会社 | 運転支援装置 |
CN110121449A (zh) * | 2017-01-11 | 2019-08-13 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及车辆控制程序 |
CN110312650A (zh) * | 2017-02-20 | 2019-10-08 | 三菱电机株式会社 | 行驶计划修正装置及行驶计划修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108973997A (zh) | 2018-12-11 |
JP6580087B2 (ja) | 2019-09-25 |
US10775798B2 (en) | 2020-09-15 |
US20180348770A1 (en) | 2018-12-06 |
JP2018203034A (ja) | 2018-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108973997B (zh) | 行驶轨道决定装置以及自动驾驶装置 | |
CN109583151B (zh) | 车辆的行驶轨迹预测方法及装置 | |
US9405293B2 (en) | Vehicle trajectory optimization for autonomous vehicles | |
US10802492B2 (en) | Vehicle path identification | |
US9616889B2 (en) | Cruise control system and method | |
CN110027555B (zh) | 行驶轨迹确定装置和自动驾驶装置 | |
CN111552284A (zh) | 无人驾驶车辆的局部路径规划方法、装置、设备及介质 | |
US11899453B2 (en) | Systems and methods to control autonomous vehicle motion | |
US11518383B2 (en) | Travel reference line determination system and automatic driving system | |
CN109407660B (zh) | 用于操作自主车辆的系统和自主车辆 | |
KR101585504B1 (ko) | 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치 | |
Kim et al. | Design of integrated risk management-based dynamic driving control of automated vehicles | |
CN110383005B (zh) | 一种用于为自动驾驶车辆形成局部导航路径的方法 | |
CN111186443B (zh) | 变道路径规划方法、装置、电子设备和计算机可读介质 | |
CN113844451B (zh) | 行驶设备控制方法、装置、电子设备及存储介质 | |
JP7125286B2 (ja) | 行動予測装置及び自動運転装置 | |
CN112799384A (zh) | 车辆及其行驶轨迹规划方法和规划装置 | |
JPWO2018211645A1 (ja) | 運転支援方法及び運転支援装置 | |
JP5146292B2 (ja) | 進路評価装置 | |
JP2019028524A (ja) | 制御装置 | |
JP6306429B2 (ja) | 操舵制御システム | |
CN117897749A (zh) | 一种车辆位置的预测方法、装置、车辆及存储介质 | |
CN113840762A (zh) | 用于操作自主车辆的方法 | |
Lou | Design and implementation of a trajectory planning algorithm using Dynamic Programming method on a Hybrid Electric Vehicle | |
CN112693455A (zh) | 移动轨迹拟合方法、装置、车辆和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |