CN109641591A - 自动驾驶装置 - Google Patents

Abstract

要实现安全且自然的自动驾驶，需要引入了智能化(学习功能、人工智能等)的控制平台，但在智能化的输出中，作为车辆的运动的动作的保障比较困难。本发明的自动驾驶装置具备输入外界信息及车辆信息而输出车辆的目标控制值的控制程序。并且，控制程序具有：第1程序，根据动态地变化的算法(输出基于学习功能、人工智能的动作)来生成第1目标控制量；以及第2程序，根据规定算法(输出遵循交通规则、驾驶道德的动作)来生成第2目标控制量。

Description

自动驾驶装置

技术领域

本发明涉及一种通过自动操舵、自动速度控制来自动控制车辆直至目的地为止的自动驾驶装置。

背景技术

已提出有各种用于使用车载相机、雷达等外界识别传感器来识别自身车辆周边的物体(车辆、行人、结构物等)、道路标志和标识(区划线等路面涂绘、停车标识等标识等)的技术。进一步地，还提出有各种使用这些技术来控制自身车辆而提高乘坐人员的安心感、舒适性的技术，并且，已开始提出自动控制自身车辆的转向和速度而自动行驶到目的地为止的自动驾驶技术。要实现这种自动驾驶技术，在复杂环境下也必须准确地判断状况来控制车辆，需要在该状况判断中运用人工智能、机器学习而做到即便是没有经历过的状况也能加以应对等。

有如下技术：将根据自身车辆位置信息和车辆信息来预测行驶控制所需的信息作为历史信息存储至学习数据库，基于自身车辆位置前方的道路信息和根据历史信息加以预测的过去的行驶模式等来预测自身车辆的今后的行驶控制，而且根据由学习部预测出的行驶控制来制作变速器、再生制动的ON/OFF、行驶模式等的控制指令值而控制车辆(参考专利文献1)。

现有技术文献

专利文献

专利文献1：日本专利特开2013-237290号公报

发明内容

发明要解决的问题

然而，在专利文献1揭示的技术中，由于是根据由学习部预测出的行驶控制来控制车辆，因此，即便在预测不准的情况下也会照原样控制车辆。

但专利文献1中所运用的车辆控制为变速器、再生制动的ON/OFF、行驶模式等，即便在学习部的预测不准的情况下，也不会有损安全性。如此，机器学习、人工智能根据学习方法、经验值(数据库的积累量等)的不同而有可能预测不准或者作出设想之外的判断，因此存在难以运用于涉及安全性的车辆控制等这一问题。

本发明是鉴于上述情况而成，其目的在于提供一种引入了用于实现安全且自然的自动驾驶的机器学习、人工智能等智能化的自动驾驶装置。

解决问题的技术手段

为了解决上述问题，本发明为一种自动驾驶装置，其具备输入外界信息及车辆信息而输出车辆的目标控制值的控制程序，该自动驾驶装置的特征在于，所述控制程序具有：第1程序，根据动态地变化的算法来生成第1目标控制量；以及第2程序，根据规定算法来生成第2目标控制量。

发明的效果

根据本发明，通过机器学习、人工智能等动态地变化的算法，可以实现复杂环境下的自动驾驶和反映出个人的嗜好的车辆控制，而且，通过遵循交通规则或者预先决定了控制量的上下限值的规定算法来兼具动作得到了保障的车辆控制，由此可以确保作为自动驾驶装置的品质。具体而言，通过后一种动作得到了保障的规定算法，可以确保安全。

根据本说明书的记述、附图，将会明确本发明相关的更多特征。此外，上述以外的课题、构成及效果将通过以下实施方式的说明来加以明确。

附图说明

图1为运用了本发明的自动驾驶装置的基本构成图。

图2为本发明的第1实施方式的自动驾驶装置的概略构成图。

图3为本发明的第1实施方式的自动驾驶装置的概略构成图。

图4为表示本发明的第1实施方式的自动驾驶装置和其周边的装置类的概略构成图。

图5为供本发明的第1实施方式的车辆控制装置的动作说明的流程图。

图6为供本发明的第1实施方式的车辆控制装置的动作说明的流程图。

图7为供本发明的第1实施方式的车辆控制装置的动作说明的流程图。

图8为供本发明的第1实施方式的车辆控制装置的动作说明的流程图。

图9为供学习处理的说明的图。

图10为供学习处理的说明的图。

图11为供自动驾驶处理的说明的图。

图12为供自动驾驶处理的说明的图。

图13为供本发明的第2实施方式的车辆控制装置的动作说明的流程图。

图14为供自动驾驶处理的说明的图。

图15为供本发明的第3实施方式的车辆控制装置的动作说明的流程图。

图16为供自动驾驶处理的说明的图。

图17为本发明的第4实施方式的自动驾驶装置的概略构成图。

图18为本发明的第4实施方式的自动驾驶装置的概略构成图。

图19为供本发明的第4实施方式的车辆控制装置的动作说明的流程图。

具体实施方式

下面，使用附图，对实施例进行说明。

图1表示实施了本发明的自动驾驶装置的基本结构。图1的自动驾驶装置100是控制自身车辆的电脑，通过执行控制程序101来实现自身车辆的自动驾驶功能。控制程序101具备具有动态地变化的算法的第1程序102和具有规定算法的第2程序103。

第1程序102由学习功能、人工智能等动态地变化的算法构成，是针对相同输入而随着时间的经过输出不同值的可能性较高的程序。动态地变化的算法是根据人工智能、学习功能来生成目标控制量的处理方法。此处，所谓学习功能，是指存储输入信息和执行过的操作等，根据该存储以进行更恰当的处理的方式进行优化的功能，例如，在自动驾驶时可以反映出驾驶员的加减速度、横向加速度、车间距离等喜好。此外，还包括利用机器学习、人工智能来理解输入信息而进行恰当的输出的情况。

第2程序103由基于预先规定的章程或规则的规定算法(以下记作规则库)构成，是针对相同输入而输出相同值或其范围的程序。规定算法是至少根据交通规则、驾驶道德来生成目标控制量的处理方法。但是，在章程或规则发生了变更的情况下不适用。在将其运用于汽车的情况下，章程或规则相当于交通规则、驾驶道德，但它们根据运用的国家、地区而不同，这是不言而喻的。

如上所述，程序的构成上分为具有动态地变化的算法的程序和具有规定算法的程序，由此，将会预料到实施维护、更新等程序的品质确认上的工时削减效果。

(第1实施方式)

图2及图3为本发明的第1实施方式的自动驾驶装置的概略构成图。

图2及图3的构成是在图1的基本结构中将第1程序和第2程序分别替换成了具体的功能。

图2的轨道和速度计划部(学习功能)102a是用于使用学习功能来计划自身车辆的目标轨道及目标速度的程序，以外界信息(自身车辆周边的环境信息、道路信息等)及车辆信息(车速、舵角、横摆率等)为输入而输出目标控制值(目标轨道与目标速度的集合或者对各执行器的目标控制量)。

图2的轨道和速度计划部(规则库)103a是用于根据交通规则、驾驶道德来计划自身车辆的目标轨道及目标速度的程序，以外界信息(自身车辆周边的环境信息、道路信息等)及车辆信息(车速、舵角、横摆率等)为输入而输出目标控制值(目标轨道与目标速度的集合或者对各执行器的目标控制量)。

图3的轨道和速度计划部(人工智能)102b是用于使用人工智能来计划自身车辆的目标轨道及目标速度的程序，以外界信息(自身车辆周边的环境信息、道路信息等)及车辆信息(车速、舵角、横摆率等)为输入而输出目标控制值(目标轨道与目标速度的集合或者对各执行器的目标控制量)。

图3的轨道和速度计划部(规则库)103b与图2的轨道和速度计划部(规则库)103a相同。

图4为表示本发明的第1实施方式的自动驾驶装置和其周边的装置类的概略构成图。自动驾驶装置400与图1～图3中说明过的自动驾驶装置100、100a、100b同义，与外部环境识别装置401、自动驾驶按钮402、操舵装置403、驱动装置404、制动装置405、声音发生装置406、显示装置407连接。此外，自动驾驶装置400与作为自身车辆的通信网络的CAN(未图示)等连接，得到自身车辆的车速、舵角、横摆率等车辆信息的输入。

外部环境识别装置401获取与自身车辆的周边环境相关的信息，例如为对自身车辆的前方进行拍摄的车载立体相机，或者对自身车辆的前方、后方、右侧方、左侧方的周边环境分别进行拍摄的4个车载相机。这些车载相机具有如下功能：使用所获得的影像数据来检测自身车辆周边的静止立体物、移动体、车道区分线等路面涂绘、标识等物体的形状和位置，进一步地，检测路面的凹凸等而判定是否是自身车辆能够行驶的路面。所谓静止立体物，例如为停驻车辆、墙壁、杆柱、桥塔、路缘石、轮挡等。此外，所谓移动体，例如为行人、自行车、摩托车、车辆等。后面，将静止立体物和移动体两方统称为障碍物。

物体的形状和位置使用图案匹配方法或者其他公知技术加以检测。物体的位置例如使用在拍摄自身车辆的前方的车载相机的位置具有原点的坐标系来加以表现。继而，使用专线、CAN等将所获得的物体的类别、距离、其方位等信息输出至自动驾驶装置400。

再者，也可设为如下方式：使用专线等将由车载相机获得的影像输出至自动驾驶装置400，在自动驾驶装置400内对影像数据进行处理。此外，除了车载相机以外，还可以运用使用毫米波或激光来测量与物体的距离的雷达、使用超声波来测量与物体的距离的声呐等，并使用专线、CAN等将所获得的与物体的距离和其方位等信息输出至自动驾驶装置400。进一步地，也可将用于进行与自身车辆的外部的通信的通信装置包含在外部环境识别装置401中，可与自身车辆周边的车辆进行通信而交换位置、速度的信息等，或者与路侧的通信机进行通信而交换无法利用自身车辆上搭载的传感器加以检测的信息(自身车辆的死角的障碍物的信息等)。

操舵装置403由能够根据来自外部的驱动指令而利用电动或液压执行器等来控制舵角的电动助力转向装置、液压助力转向装置等构成。操舵装置403可以通过执行器的驱动将自身车辆的轨道控制为目标轨道。

驱动装置404由能够根据来自外部的驱动指令而利用电动节气门等来控制发动机扭矩的发动机系统、能够根据来自外部的驱动指令而利用马达等来控制驱动力的电动动力系系统等构成。

制动装置405由能够根据来自外部的制动指令而利用电动或液压执行器等来控制制动力的电动制动器或液压制动器等构成。制动装置405可以通过执行器的驱动将自身车辆的速度控制为目标速度。

声音发生装置406由扬声器等构成，用于对驾驶员输出警报、语音指引等。

显示装置407由导航装置等的显示器、仪表板、警告灯等构成。除了自动驾驶装置400的操作画面以外，显示装置407上还进行能以视觉方式表现自身车辆的行驶状态的画面显示等。

自动驾驶按钮402是设置在驾驶员能够操作的位置的操作构件，根据驾驶员的操作将切换自动驾驶装置400的动作的信号输出至自动驾驶装置400。再者，自动驾驶按钮402除了能以开关的形式设置在方向盘周边的驾驶员容易操作的位置以外，在显示装置407为触控面板式显示器的情况下，也可在显示装置407上显示按钮而使得驾驶员能够进行操作。

接着，使用流程图对自动驾驶装置400的处理次序进行说明。

图5至图8为表示自动驾驶装置400的处理次序的一例的流程图。

在图5的处理S501中，获取外界信息和车辆信息，并进入至处理S502。此处，外界信息是由外部环境识别装置401输入的信息，车辆信息为自身车辆的车速、舵角、横摆率等信息。

在处理S502中，获取道路信息，并进入至处理S503。此处，道路信息为当前的自身车辆周边的地图数据，该地图数据为以多边形或折线等加以表现的与实际道路形状相近的形状数据、通行规定信息(限速、可通行车辆类别等)、车道区分(主车道、超车道、爬坡车道、直线前进车道、左转车道、右转车道等)、交通信号灯或标识等的有无(在有的情况下为其位置信息)等数据。

在处理S503中，实施使用处理S501中获取到的外界信息和处理S502中获取到的道路信息来掌握自身车辆周边的行驶环境的处理，并进入至处理S504。具体而言，将障碍物等外界信息配置在地图数据上，并检测自身车辆能够行驶的车道位置和路口的可转弯空间等。

在处理S504中，判断是否正在自动驾驶，在正在自动驾驶的情况下，执行S505的自动驾驶处理并结束一系列处理，返回至处理S501。另一方面，在处理S504中不是正在自动驾驶的情况下，执行S506的学习处理并结束一系列处理，返回至处理S501。

图6为表示图5的处理S506的学习处理的处理次序的一例的流程图。

在图6的处理S601中，将处理S503中识别出的周边环境和处理S501中获取到的车辆信息存储至自动驾驶装置400的内部存储器等，并进入至处理S602。

在处理S602中，根据处理S601中存储的信息来判定自身车辆是否在学习对象场景中进行了行驶，在判定自身车辆在学习对象场景中进行了行驶的情况下，进入至处理S603，在判定自身车辆未在学习对象场景中进行行驶的情况下，结束一系列处理。此处，学习对象场景如下。

·正在跟随先行车辆行驶的情况

·因临时停车标识或红灯而停车的情况

·在因临时停车标识或红灯而停车后再次起步的情况

·通过路口的情况

·在弯道上行驶的情况

·进行车道变更的情况(包括合流和分流)

·规避路肩的障碍物而行驶的情况

在处理S603中，判定处理S602中判定的学习对象场景中的自身车辆的行为是否为遵照了规则库的行驶，在自身车辆的行为是遵照了规则库的行驶的情况下，进入至处理S604，在自身车辆的行为不是遵照了规则库的行驶的情况下，结束一系列处理。此处，所谓遵照了规则库的行驶，是指遵守交通规则、不违背驾驶道德的行驶。

在处理S604中，将周边环境与自身车辆的行驶模式加以关联而进行学习，并结束一系列处理。此处，具体学习的内容例如如下。

·正在跟随先行车辆行驶时的车间距离和加减速度

·针对停车线、交通信号灯的加减速度、停车位置、起步时刻

·路口内的通过速度及行驶轨迹

·转弯时的速度

·车道变更的行驶轨迹、横向加速度、与周边车辆的车间距离

·障碍物规避时安全范围的取得方式、速度调节方法

图7为表示图5的处理S505的自动驾驶处理的处理次序的一例的流程图。

在图7的处理S701中，利用第1程序生成目标控制量，并进入至处理S702。此处，根据通过图6中说明过的学习处理而被更新的轨道和速度计划来生成自身车辆的目标轨道及目标速度。

在处理S702中，利用第2程序来生成目标控制量，并进入至处理S703。此处，根据基于规则库的轨道和速度计划来生成自身车辆的目标轨道及目标速度。

在处理S703中，根据处理S701中生成的第1目标控制量和处理S702中生成的第2目标控制量来生成最终的目标控制量即目标控制值，并进入至处理S704。

在处理S704中，按照处理S703中生成的目标控制值即自身车辆的目标轨道及目标速度来运算用于使自身车辆行驶的控制参数，并进入至处理S705。此处，控制参数例如为目标操舵扭矩和目标发动机扭矩、目标制动压力。

在处理S705中，将处理S704中运算出的各控制参数输出至操舵装置403、驱动装置404、制动装置405，并结束一系列处理。

另外，作为输出至操舵装置403的控制参数，列举的是用于实现目标操舵角的目标操舵扭矩，但根据操舵装置403的构成的不同，也可以直接输出目标操舵角。此外，作为输出至驱动装置404和制动装置405的控制参数，列举的是用于实现目标速度的目标发动机扭矩、目标制动压力等，但根据驱动装置404和制动装置405的构成的不同，也可以直接输出目标速度。

图8为表示图7的处理S703的目标控制值生成处理的处理次序的一例的流程图。

在图8的处理S801中，对处理S701中生成的第1目标控制量与处理S702中生成的第2目标控制量进行比较而判定第1目标控制量是否脱离了第2目标控制量的范围，在判断第1目标控制量脱离了第2目标控制量的范围的情况下，进入至处理S802，在处理S802中，将第2目标控制量设定为目标控制值并结束一系列处理。另一方面，在处理S801中判断第1目标控制量未脱离第2目标控制量的范围的情况下，进入至处理S803，在处理S803中，将第1目标控制量设定为目标控制值，并结束一系列处理。

接着，使用图9和图10来展示图6中说明过的学习处理的一例。

图9为执行图6的处理S604的学习处理的场景，利用(a)通过有临时停车标识的路口的情况、(b)进行车道变更的情况这2个场景进行说明。

图9的(a)为设想驾驶员手动驾驶的自身车辆900在单侧1车道的道路上行驶时在有临时停车标识的路口直线前进的场景的状况说明图，曲线表示自身车辆900的速度变化。

当自身车辆900以速度V1行驶而到达地点A时，朝存在临时停车标识901的停车线902开始减速，并在停车线902的地点S的跟前的地点B进行暂时停车。其后，自身车辆900的驾驶员实施路口内的安全确认，当判断安全时再次起步而通过地点C。首先，这一系列行驶场景在图6的处理S602的判定中被判定为是学习对象场景。接着，当这一系列行驶在图6的处理S603的判定中被判定为是遵照了规则库的行驶时，执行图6的处理S604的学习处理。

此处学习的内容为自身车辆900的速度模式903(更具体为地点AB之间的平均减速度以及地点BC之间的平均加速度)、停车位置(BS之间的距离)、起步时刻(在地点B的停车时间)等。

图9的(b)为设想驾驶员手动驾驶的自身车辆910在单侧2车道道路的左车道上行驶时朝右车道的车辆911与车辆912之间进行车道变更的场景的状况说明图。

当自身车辆910到达地点B1时，自身车辆910的驾驶员判断地点A1的车辆911与地点C1的车辆912之间存在充分的车间距离，从而点亮转向灯而以虚线913所示的轨迹进行车道变更。继而，在自身车辆910到达地点B2的时间点完成车道变更，从而熄灭转向灯。再者，车道变更完成时的车辆911位于地点A2，车辆912位于地点C2，分别保持了充分的车间距离。首先，这一系列行驶场景在图6的处理S602的判定中被判定为是学习对象场景。接着，当这一系列行驶在图6的处理S603的判定中被判定为是遵照了规则库的行驶时，执行图6的处理S604的学习处理。

此处学习的内容为自身车辆910的行驶轨迹913、横向加速度、与周边车辆的车间距离(车道变更开始时的A1B1之间的距离、B1C1之间的距离)等。

图10为不执行图6的处理S604的学习处理的场景，与图9一样，利用(a)通过有临时停车标识的路口的情况、(b)进行车道变更的情况这2个场景进行说明。

图10的(a)为设想驾驶员手动驾驶的自身车辆1000在单侧1车道的道路上行驶时在有临时停车标识的路口直线前进的场景的状况说明图，曲线表示自身车辆1000的速度变化。

当自身车辆1000以速度V1行驶而到达地点A时，朝存在临时停车标识901的停车线902开始减速，在停车线902的地点S的附近停止减速而以不进行临时停车的方式进入路口。其后，自身车辆1000的驾驶员实施路口内的安全确认，当判断安全时进行加速而通过地点C。首先，这一系列行驶场景在图6的处理S602的判定中被判定为是学习对象场景。接着，由于这一系列行驶当中进行了在有临时停车标识的停车线不停车这样的不遵守交通规则的行驶(违反了交通规则)，因此，在图6的处理S603的判定中不会被判定为是遵照了规则库的行驶，从而不执行图6的处理S604的学习处理。

因而，不会学习此时的行驶行为。

图10的(b)为设想驾驶员手动驾驶的自身车辆1010在单侧2车道道路的左车道上行驶时朝右车道的车辆1011与车辆1012之间进行车道变更的场景的状况说明图。

当自身车辆1010到达地点B1时，自身车辆1010的驾驶员点亮转向灯而朝地点A1的车辆1011与地点C1的车辆1012之间进行车道变更。继而，在自身车辆1010到达地点B2的时间点完成车道变更，从而熄灭转向灯。再者，车道变更完成时的车辆1011位于地点A2，车辆1012位于地点C2，后续车辆1011为了安全而扩大了车间距离。首先，这一系列行驶场景在图6的处理S602的判定中被判定为是学习对象场景。接着，由于这一系列行驶当中采取了在车间距离狭窄时实施车道变更这一违背道德的行动，因此，在图6的处理S603的判定中不会被判定为是遵照了规则库的行驶，从而不执行图6的处理S604的学习处理。因而，不会学习此时的行驶行为。

如以上所说明，仅在遵照了规则库的情况下实施学习处理，由此，能够实现恰当的学习。

接着，使用图11和图12来展示图8中说明过的目标控制值生成处理的一例。

图11为设想处于自动驾驶的控制中的自身车辆1100在单侧1车道的道路上行驶时在有交通信号灯的路口直线前进的场景的状况说明图，上方的曲线表示自身车辆1100进行减速时的速度模式，下方的曲线表示自身车辆1100的目标速度。

在自身车辆1100到达地点A时，前方的路口的交通信号灯从绿色变为黄色，这时，运算自身车辆1100的速度模式，根据运算出的速度模式来运算目标速度。首先，当以虚线1110的形式运算基于第1程序的减速模式时，自身车辆1100无法在停车线1102的跟前停止，因此，目标速度输出像虚线1112那样维持速度而通过路口的值。接着，当以虚线1111的形式运算基于第2程序的减速模式时，判断自身车辆1100能在停车线1102的跟前停止，从而像虚线1113那样输出目标速度。基于第2程序的目标速度是遵照了遵守交通规则(交通信号灯变为黄色时便尝试停车)且不违背驾驶道德(以不会变为急刹的程度停车)的规则库的输出，该输出是输出能在停车线停止的目标速度，因此，判断基于第1程序的目标速度脱离了基于第2程序的目标速度，从而采用基于第2程序的目标速度。

图12为设想处于自动驾驶的控制中的自身车辆1200朝拥塞的主车道合流的场景的状况说明图，展示了基于第1程序的轨道和速度计划和基于第2程序的轨道和速度计划这两方的输出。

图12的(a)展示的是基于第1程序的轨道和速度计划的输出，首先，当自身车辆1200到达地点A并判断前方的主车道拥塞时，判断主车道的车流较慢、在哪一时刻都能合流，进一步地，由于前方是空的，因此判断从最深处(一番奥)的地点C进行合流。结果，输出目标轨道1210和目标速度1211。

图12的(b)展示的是基于第2程序的轨道和速度计划的输出，首先，当自身车辆1200到达地点A并判断前方的主车道拥塞时，判断主车道的车流较慢但从最跟前的地点B并入车流而进行合流。结果，输出目标轨道1220和目标速度1221。基于第2程序的轨道和速度计划是遵照了遵守交通规则且不违背驾驶道德(从跟前并入车流而进行合流)的规则库的输出，基于第1程序的轨道和速度计划给出的是违背道德的输出(从最深处合流)，因此，判断基于第1程序的轨道和速度计划脱离了基于第2程序的轨道和速度计划，从而采用基于第2程序的轨道和速度计划。

但是，上文中的驾驶道德有可能因运用的国家、地区而不同，因此，未必会采用基于第2程序的轨道和速度计划。

如以上所说明，对基于第1程序的目标控制值与基于第2程序的目标控制值进行比较，在基于第1程序的目标控制值脱离了基于第2程序的目标控制值的情况下，采用基于第2程序的目标控制值，因此，最终选择遵照了规则库的输出。

(第2实施方式)

接着，使用图13和图14，对本发明的第2实施方式进行说明。

本发明的第2实施方式是在本发明的第1实施方式中将图8所示的目标控制值生成处理替换为图13所示的处理。

图13为表示图7的处理S703的目标控制值生成处理的处理次序的一例的流程图。

在图13的处理S1301中，使用周边环境信息来实施选择处理S701中生成的第1目标控制量和处理S702中生成的第2目标控制量中的哪一方的判断，并进入至处理S1302。

在处理S1302中，判定在处理S1301中是否采用了第2目标控制量，在判定采用了第2目标控制量的情况下，进入至处理S1303，在处理S1303中，将第2目标控制量设定为目标控制值并结束一系列处理。另一方面，在处理S1302中不是判定采用了第2目标控制量的情况下，进入至处理S1304，在处理S1304中，将第1目标控制量设定为目标控制值并结束一系列处理。

图14为表示在图13中选择第1目标控制量和第2目标控制量中的哪一方的一例的图。

图14的(a)展示采用第1目标控制量的例子。在自身车辆1410向右进行车道变更的情况下，周围不存在妨碍自身车辆的行驶的障碍物，因此，作为第1目标控制量的与驾驶员的嗜好一致的行驶没有问题。

图14的(b)展示采用第2目标控制量的例子。在自身车辆1410向右进行车道变更的情况下，周围存在妨碍自身车辆的行驶的障碍物，因此，作为第2目标控制量的基于交通规则和驾驶道德的行驶没有问题。

如以上所说明，通过使用根据自身车辆周边的环境来选择第1目标控制量和第2目标控制量的方法，结果能够实现遵照了规则库的行驶。

(第3实施方式)

接着，使用图15和图16，对本发明的第3实施方式进行说明。

本发明的第3实施方式是在本发明的第1实施方式中将图7所示的自动驾驶处理替换为图15所示的处理。

图15为表示图5的处理S505的自动驾驶处理的处理次序的一例的流程图。

在图15的处理S1501中，利用第1程序来生成目标控制量，并进入至处理S1502。此处，根据通过图6中说明过的学习处理而被更新的轨道和速度计划来生成自身车辆的目标轨道及目标速度。

在处理S1502中，判定第1目标控制量是否在规定范围内，在判定第1目标控制量在规定范围内的情况下，进入至处理S1503，在处理S1503中，将第1目标控制量设定为目标控制值并进入至处理S1505。另一方面，在处理S1502中判定第1目标控制量不在规定范围内的情况下，进入至处理S1504，在处理S1504中，将第1目标控制量修正至规定范围内并设定为目标控制值，进入至处理S1505。

处理S1505及处理S1506与图7中说明过的处理S704及处理S705相同，因此省略说明。

图16与图11一样，是设想处于自动驾驶的控制中的自身车辆1600在单侧1车道的道路上行驶时在有交通信号灯的路口直线前进的场景的状况说明图，上方的曲线表示自身车辆1600进行减速时的速度模式，下方的曲线表示自身车辆1600的目标速度。

在自身车辆1600到达地点A时，前方的路口的交通信号灯从绿色变为黄色，这时，运算自身车辆1600的速度模式，并根据运算出的速度模式来运算目标速度。首先，当以虚线1610的形式运算基于第1程序的减速模式时，自身车辆1600无法在停车线1602的跟前停止，因此，目标速度输出像虚线1612那样维持速度而通过路口的值。接着，当计算基于交通规则和驾驶道德的规定范围时，输出区域1611的范围，因此判断，若选择该范围，则能在停车线1602的跟前停止。继而，当在区域1611的范围内修正目标速度时，修正后的目标速度变为虚线1613的样子，采用该目标速度。

如以上所说明，使用将第1控制量修正至规定范围的方法最终也能实现遵照了规则库的行驶。

(第4实施方式)

接着，使用图17和图18、图19，对本发明的第4实施方式进行说明。

本发明的第4实施方式是在本发明的第1实施方式中由图2和图3所示的构成中对相当于第1程序的功能进行了变更的构成。

图17及图18为本发明的第4实施方式的自动驾驶装置的概略构成图。

图17的驾驶任务决定部(学习功能)102c是用于使用学习功能来决定自身车辆的行为级别下的行动(驾驶任务)的第1程序，以外界信息(自身车辆周边的环境信息、道路信息等)及车辆信息(车速、舵角、横摆率等)为输入而输出驾驶任务。

图18的驾驶任务决定部(人工智能)102d是用于使用人工智能来决定自身车辆的行为级别下的行动(驾驶任务)的第1程序，以外界信息(自身车辆周边的环境信息、道路信息等)及车辆信息(车速、舵角、横摆率等)为输入而输出驾驶任务。

此处，所谓驾驶任务，表示先行车辆跟随、车道跟随、车道变更、路口直线前进和右转和左转、驻车等自身车辆的驾驶状态，是对于图17及图18的轨道和速度计划部而言成为行动的方针的控制状态。

图19为表示图5的处理S505的自动驾驶处理的处理次序的一例的流程图。

在图19的处理S1901中，根据第1程序来决定驾驶任务(判定控制状态)，并进入至处理S1902。

在处理S1902中，根据第2程序来生成目标控制值，并进入至处理S1903。

处理S1903及处理S1904与图7中说明过的处理S704及处理S705相同，因此省略说明。

如以上所说明，利用第1程序来决定自身车辆的行为级别下的行动(驾驶任务)，利用基于规则库的第2程序来生成目标控制值的轨道和速度计划，因此，能够实现遵照了规则库的行驶。

再者，以上的说明只是一例，在解释发明时，不会对上述实施方式的记载事项与权利要求书的记载事项的对应关系造成任何限定、束缚。例如，上述实施方式是设想乘用车作为自身车辆来进行的说明，但本发明也能运用于建筑机械、机器人等的自动行驶。

以上，对本发明的实施方式进行了详细叙述，但本发明并不限定于所述实施方式，可以在不脱离权利要求书中记载的本发明的精神的范围内进行各种设计变更。例如，所述实施方式是为了以易于理解的方式说明本发明所作的详细说明，并非一定限定于具备说明过的所有构成。此外，可以将某一实施方式的构成的一部分替换为其他实施方式的构成，此外，也可以对某一实施方式的构成加入其他实施方式的构成。进而，可以对各实施方式的构成的一部分进行其他构成的追加、删除、替换。

符号说明

100自动驾驶装置，101、101a控制程序，102第1程序，102a轨道和速度计划部(学习功能)，102b轨道和速度计划部(人工智能)，102c驾驶任务决定部(学习功能)，102d驾驶任务决定部(人工智能)，103第2程序，103a、103b、103c、103d轨道和速度计划部(规则库)。

Claims (12)

1.一种自动驾驶装置，其具备输入外界信息及车辆信息而输出车辆的目标控制值的控制程序，该自动驾驶装置的特征在于，

所述控制程序具有：

第1程序，根据动态地变化的算法来生成第1目标控制量；以及

第2程序，根据规定算法来生成第2目标控制量。

2.根据权利要求1所述的自动驾驶装置，其特征在于，

根据所述第1目标控制量和所述第2目标控制量来生成所述目标控制值。

3.根据权利要求2所述的自动驾驶装置，其特征在于，

所述动态地变化的算法是至少基于人工智能、学习功能来生成目标控制量的处理方法。

4.根据权利要求3所述的自动驾驶装置，其特征在于，

所述学习功能是对驾驶员驾驶所述车辆时的行驶行为进行学习的功能，至少在所述驾驶员进行了违反交通规则或者违背驾驶道德的行驶时不会学习此时的行驶行为。

5.根据权利要求2至4中任一项所述的自动驾驶装置，其特征在于，

所述规定算法是至少根据交通规则、驾驶道德来生成目标控制量的处理方法。

6.根据权利要求2至5中任一项所述的自动驾驶装置，其特征在于，

在所述第1目标控制量脱离所述第2目标控制量的范围时，将所述第2目标控制量设为所述目标控制值。

7.根据权利要求2至5中任一项所述的自动驾驶装置，其特征在于，

根据所述外界信息来判断将所述第1目标控制量及所述第2目标控制量中的哪一控制量设为所述目标控制值。

8.根据权利要求2至7中任一项所述的自动驾驶装置，其特征在于，

所述目标控制值为所述车辆的目标轨道与目标速度的集合或者对各执行器的目标控制量。

9.一种自动驾驶装置，其具备输入外界信息及车辆信息而输出车辆的目标控制值的控制程序，该自动驾驶装置的特征在于，

所述控制程序具有：

第1程序，根据动态地变化的算法来生成目标控制量；以及

第2程序，以所述目标控制量变为规定范围内的方式修正所述目标控制量。

10.根据权利要求9所述的自动驾驶装置，其特征在于，

所述规定范围至少根据交通规则、驾驶道德来运算。

11.一种自动驾驶装置，其具备输入外界信息及车辆信息而输出车辆的目标控制值的控制程序，该自动驾驶装置的特征在于，

所述控制程序具有：

第1程序，根据动态地变化的算法来判定控制状态；以及

第2程序，根据规定算法来生成目标控制量。

12.根据权利要求11所述的自动驾驶装置，其特征在于，

所述第1程序至少基于人工智能、学习功能来决定车辆的行为级别下的行动即驾驶任务，

所述第2程序生成所述车辆的目标轨道与目标速度的集合或者对各执行器的目标控制量。