CN110001648A - 车辆控制装置 - Google Patents

车辆控制装置 Download PDF

Info

Publication number
CN110001648A
CN110001648A CN201811533835.8A CN201811533835A CN110001648A CN 110001648 A CN110001648 A CN 110001648A CN 201811533835 A CN201811533835 A CN 201811533835A CN 110001648 A CN110001648 A CN 110001648A
Authority
CN
China
Prior art keywords
vehicle
running environment
traveling
planning
map
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.)
Granted
Application number
CN201811533835.8A
Other languages
English (en)
Other versions
CN110001648B (zh
Inventor
船山龙士
岩本贵之
大泷翔
郑好政
坂口靖雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN110001648A publication Critical patent/CN110001648A/zh
Application granted granted Critical
Publication of CN110001648B publication Critical patent/CN110001648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0088—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

一种车辆控制装置，具备：行驶环境分类数据库，其中记录有按照行驶环境分类将至少一个自动驾驶的过去行驶规划与过去行驶规划的行驶结果关联形成的行驶环境分类数据；行驶环境分类判定部，在自动驾驶中的本车辆在自动驾驶地图信息未对应的地图未对应区域行驶的情况下，对与本车辆的行驶环境对应的行驶环境分类是否存在于行驶环境分类数据库进行判定；以及行驶规划生成部，在与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库的情况下，基于与该行驶环境分类相关联的过去行驶规划以及过去行驶规划的行驶结果生成地图未对应区域中的本车辆的行驶规划亦即无地图行驶规划。

Description

车辆控制装置
技术领域
本发明涉及车辆控制装置。
背景技术
以往，作为涉及车辆控制装置的技术文献，公知有美国专利第9268332号说明书。在该公报中示出如下系统，其在自动驾驶模式的车辆接近特定区域(自动驾驶较困难的区域)时，通知驾驶员接过车辆的一部的控制(加速、减速、转向操纵中的任一控制)，在驾驶员接过车辆的一部分控制的情况下，即便车辆进入特定区域内该系统也参照地图信息进行车辆的剩余控制。
专利文献1：美国专利第9268332号说明书
要求在上述自动驾驶中使用的地图信息亦即自动驾驶地图信息比在驾驶员的导航等中使用的现有的地图信息详细。然而，自动驾驶地图信息未必能够与车辆所行驶的全部区域对应，因而对于自动驾驶地图信息而言，针对未对应的区域内的车辆的自动驾驶有必要进行深入研究。
发明内容
因此，在本技术领域中，期望提供一种能够在自动驾驶地图信息没有对应的地图未对应区域适当地执行自动驾驶的车辆控制装置。
为了解决上述课题，本发明的一个方式是能够基于自动驾驶地图信息执行本车辆的自动驾驶的车辆控制装置，具备：地图未对应区域识别部，其识别自动驾驶地图信息没有对应的地图未对应区域；行驶环境识别部，其基于本车辆的车载传感器的检测结果来识别本车辆的行驶环境；行驶环境分类数据库，其记录行驶环境分类数据，该行驶环境分类数据是按照预先设定的行驶环境分类的每一个将至少一个自动驾驶的过去行驶规划与过去行驶规划的行驶结果关联形成的数据；行驶环境分类判定部，在自动驾驶中的本车辆在地图未对应区域行驶的情况下，该行驶环境分类判定部对与行驶环境识别部识别出的本车辆的行驶环境对应的行驶环境分类是否存在于行驶环境分类数据库进行判定；行驶规划生成部，在由行驶环境分类判定部判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库的情况下，该行驶规划生成部基于与该行驶环境分类相关联的过去行驶规划以及过去行驶规划的行驶结果生成地图未对应区域中的本车辆的行驶规划亦即无地图行驶规划；以及车辆控制部，其基于无地图行驶规划进行本车辆的自动驾驶。
根据本发明的一个方式所涉及的车辆控制装置，在自动驾驶中的本车辆在地图未对应区域行驶的情况下，当判断为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库时，能够基于与该行驶环境分类相关联的过去行驶规划以及过去行驶规划的行驶结果来生成无地图行驶规划，基于无地图行驶规划进行车辆的自动驾驶。因此，根据该车辆控制装置，能够利用与对应于本车辆的行驶环境的行驶环境分类相关联的过去行驶规划以及过去行驶规划的行驶结果，在自动驾驶地图信息未对应的地图未对应区域适当地执行本车辆的自动驾驶。
在本发明的一个方式所涉及的车辆控制装置中，可以构成为过去行驶规划的行驶结果包含风险指标，在与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划存在多个的情况下，行驶规划生成部基于多个过去行驶规划中的风险指标最低的过去行驶规划生成无地图行驶规划。
根据该车辆控制装置，在与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划存在多个的情况下，基于多个过去行驶规划中的风险指标最低的过去行驶规划生成无地图行驶规划，因而有利于地图未对应区域中的本车辆的自动驾驶的风险减少。
本发明的一个方式所涉及的车辆控制装置中的车辆控制部可以构成为在自动驾驶中的本车辆在地图未对应区域行驶的情况下，当由行驶环境分类判定部判定为不存在与本车辆的行驶环境对应的行驶环境分类时，结束本车辆的自动驾驶并开始本车辆的驾驶辅助或手动驾驶。
根据该车辆控制装置，在自动驾驶中的本车辆在地图未对应区域行驶的情况下，当判定为与本车辆的行驶环境对应的行驶环境分类不存在于行驶环境分类数据库时，能够结束本车辆的自动驾驶并切换为本车辆的驾驶辅助或手动驾驶。
在本发明的一个方式所涉及的车辆控制装置中，可以构成为还具备：记录部，在基于无地图行驶规划进行了本车辆的自动驾驶的情况下，该记录部使该无地图行驶规划作为在无地图行驶规划的生成中使用过的、针对行驶环境分类的过去行驶规划而记录在行驶环境分类数据库，并且使该无地图行驶规划的行驶结果作为过去行驶规划的行驶结果而记录在行驶环境分类数据库。
根据该车辆控制装置，在基于无地图行驶规划进行了本车辆的自动驾驶的情况下，通过将该无地图行驶规划以及该无地图行驶规划的行驶结果记录在行驶环境分类数据库能够实现行驶环境分类数据库的丰富化。
像以上说明过的那样，根据本发明的一个方式，能够在自动驾驶地图信息没有对应的地图未对应区域适当地执行自动驾驶。
附图说明
图1是表示一个实施方式所涉及的车辆控制装置的框图。
图2是表示本车辆的行驶环境的一个例子的俯视图。
图3中的(a)是表示第一行驶环境分类的代表行驶环境Ra的俯视图。
图3中的(b)是表示第二行驶环境分类的代表行驶环境Rb的俯视图。图3中的(c)是表示第三行驶环境分类的代表行驶环境Rc的俯视图。
图4是表示过去行驶规划与行驶结果的关系的表。
图5中的(a)是表示无地图行驶规划的行进路线规划的一个例子的俯视图。图5中(b)是表示无地图行驶规划的速度规划的一个例子的俯视图。
图6是表示自动驾驶处理的一个例子的流程图。
图7是表示行驶环境分类数据库记录处理的一个例子的流程图。
附图标记说明：
1…GPS接收部；2…外部传感器；3…内部传感器；4…地图数据库；5…行驶环境分类数据库；6…HMI；7…促动器；10…ECU；11…车辆位置识别部；12…地图未对应区域识别部；13…行驶环境识别部；14…行驶环境分类判定部；15…行驶规划生成部；16…车辆控制部；17…记录部；100…车辆控制装置。
具体实施方式
以下，参照附图对本发明的实施方式进行说明。
图1所示的车辆控制装置100搭载于乘用车等车辆(本车辆)，控制本车辆的行驶。车辆控制装置100将本车辆的驾驶状态切换为自动驾驶与手动驾驶。
自动驾驶例如是指使车辆自动地沿着本车辆所行驶的道路行驶的驾驶状态。自动驾驶例如包括驾驶员不进行驾驶操作而使本车辆自动地朝向预先设定的目的地行驶的驾驶状态。手动驾驶是指以驾驶员的驾驶操作为主体使车辆行驶的驾驶状态。此外，车辆控制装置100具有执行以驾驶员的驾驶操作为主体来辅助驾驶的驾驶辅助的功能。驾驶辅助包括ACC[Adaptive Cruise Control：自适应巡航控制]、LKA[Lane Keeping Assist：车道保持辅助]等。
车辆控制装置100基于自动驾驶地图信息执行自动驾驶。稍后对自动驾驶地图信息进行描述。在自动驾驶中的本车辆在自动驾驶地图信息没有对应的地图未对应区域行驶的情况下，车辆控制装置100通过利用存储于后述的行驶环境分类数据库5的行驶环境分类数据来执行(继续)自动驾驶。
[车辆控制装置的结构]
如图1所示，车辆控制装置100具备统一地管理装置的ECU[Electronic ControlUnit：电子控制单元]10。ECU10是具有CPU[Central Processing Unit：中央处理器]、ROM[Read Only Memory：只读存储器]、RAM[Random Access Memory：随机存取存储器]等的电子控制单元。在ECU10中，例如将存储于ROM的程序加载至RAM并由CPU执行加载至RAM的程序，由此实现各种功能。ECU10可以由多个电子单元构成。
ECU10与GPS接收部1、外部传感器2、内部传感器3、地图数据库4、行驶环境分类数据库5、HMI[Human Machine Interface：人机界面]6以及促动器7连接。
GPS接收部1通过从三个以上的GPS卫星接收信号来测定本车辆的位置(例如本车辆的纬度以及经度)。GPS接收部1将测定出的本车辆的位置信息向ECU10发送。
外部传感器2是检测本车辆的周边状况的车载传感器。外部传感器2包括照相机、雷达传感器中的至少一个。
照相机是拍摄本车辆的外部环境的拍摄机器。照相机设置于本车辆的前挡风玻璃的里侧等。照相机将本车辆的外部环境所涉及的拍摄信息向ECU10发送。照相机可以设置有多个。照相机可以是单眼照相机，也可以是立体照相机。
雷达传感器是利用电波(例如毫米波)或光来检测本车辆的周边的障碍物的检测机器。雷达传感器例如包括毫米波雷达或光学雷达[LIDAR：Light Detection andRanging—激光探测与测量]。雷达传感器通过向本车辆的周边发送电波或光并对被障碍物反射后的电波或光进行接收来检测障碍物。雷达传感器将检测出的障碍物信息向ECU10发送。障碍物除了包括树木、建筑物等静止障碍物之外、还包括行人、自行车、其他车辆等移动障碍物。
内部传感器3是检测本车辆的行驶状态的车载传感器。内部传感器3包括车速传感器、加速度传感器以及横摆率传感器。车速传感器是检测本车辆的速度的检测器。作为车速传感器，例如使用相对于本车辆的车轮或与车轮一体旋转的驱动轴等而设置、检测车轮的旋转速度的车轮速度传感器。车速传感器将检测出的车速信息(车轮速度信息)发送至ECU10。
加速度传感器是检测本车辆的加速度的检测器。加速度传感器例如包括检测本车辆的前后方向的加速度的前后加速度传感器与检测本车辆的横向加速度的横向加速度传感器。加速度传感器例如将本车辆的加速度信息发送至ECU10。横摆率传感器是检测绕本车辆的重心的铅垂轴的横摆率(旋转角速度)的检测器。作为横摆率传感器，例如能够使用陀螺仪传感器。横摆率传感器将检测出的本车辆的横摆率信息向ECU10发送。
地图数据库4是存储自动驾驶地图信息的数据库。地图数据库4例如形成在搭载于本车辆的HDD[Hard Disk Drive：硬盘驱动器]内。自动驾驶地图信息是指在本车辆的自动驾驶中使用的详细的地图信息。自动驾驶地图信息包括车道的位置信息、车道的形状(曲率等)以及十字路口的位置信息等。
另外，自动驾驶地图信息包括能够在本车辆的本车位置推断中利用的物标的位置信息。物标例如是杆、临时停止线等。物标可以包括车道边界线、车道中央线等白线，也可以包括沿道路配置的路缘石等。物标也可以包括信号灯。自动驾驶地图信息可以还包括与位置信息相关联的法定速度等交通限制信息，也可以包括树木、建筑物等静止障碍物的位置信息。地图数据库4可以形成于能够与本车辆通信的服务器。
行驶环境分类数据库5是存储行驶环境分类数据的数据库。行驶环境分类数据是指按照预先设定的行驶环境分类的每一个将至少一个自动驾驶的过去行驶规划与过去行驶规划的行驶结果关联形成的数据。行驶环境分类数据为了在自动驾驶地图信息没有对应的地图未对应区域执行本车辆的自动驾驶而利用。
行驶环境分类是指预先设定的车辆的行驶环境的分类。行驶环境分类数据中的车辆可以是过去的本车辆，也可以是本车辆以外的车辆。车辆的行驶环境是包括车辆的外部环境以及车辆的行驶状态在内的环境。
车辆的外部环境包括车辆所行驶的车道的状况、车辆的周围的障碍物的状况等。车道的状况包括车道的曲线。车道的状况可以包括车道宽度。车道的状况也可以包括是单车道道路还是多车道道路的区别。障碍物的状况包括其他车辆以及行人等移动障碍物的状况与电线杆等静止障碍物的状况。移动障碍物的状况包括移动障碍物相对于车辆的相对位置、移动障碍物相对于车辆的相对速度、移动障碍物相对于车辆的行进方向等。静止障碍物的状况包括静止障碍物相对于车辆的相对位置等。
车辆的行驶状态包括车辆的车速以及车辆的横摆率。车辆的行驶状态可以包括车辆的加速度(纵向加速度、横向加速度)、车辆的加速度的时间导数。
行驶环境分类可以考虑行驶场景进行分类。行驶场景包括其他车辆从邻接车道并入车辆与前车之间的并入场景，车辆向邻接车道进行车道变更的车道变更场景、车辆在十字路口右转的十字路口右转场景等各种场景。即便是相同的行驶场景，在车辆的外部环境或行驶状态不同的情况下也成为不同的行驶环境分类。
自动驾驶的过去行驶规划作为一个例子是指在过去的自动驾驶中使用过的行驶规划。过去行驶规划包括过去的行进路线规划与过去的速度规划。行进路线规划是关于自动驾驶中车辆的行进路线的规划。速度规划是指关于车辆的速度(车速)的规划。速度规划能够为与时间(或车辆的位置)对应的目标车速的数据。速度规划可以是目标加速度的数据。过去行驶规划与行驶环境分类关联地存储。相对于一个行驶环境分类关联一个或多个过去行驶规划。
过去行驶规划的行驶结果作为一个例子是执行依照过去行驶规划的自动驾驶后的结果。过去行驶规划的行驶结果针对每个过去行驶规划关联地存储。过去行驶规划的行驶结果包括风险指标。风险指标是因基于过去行驶规划的自动驾驶而在车辆产生的风险的指标。
风险指标作为一个例子可以是在依照过去行驶规划的自动驾驶的执行中车辆与障碍物(其他车辆等)最接近的距离亦即最接近距离越小而越高的值。风险指标可以是在最接近距离不足预先设定的距离阈值的情况下比在最接近距离为距离以上的情况下高的值。风险指标可以不使用最接近距离而使用车辆与障碍物的TTC[Time To Collision：碰撞时间]进行运算。此外，风险指标可以使用车间时间[THW：Time Headway—车间时距]进行运算。风险指标可以设置为存在风险与无风险两级指标，也可以是使用“×”、“△”、“○”等的三级以上的指标。
HMI6是用于在车辆控制装置100与乘员之间进行信息的输入输出的接口。HMI6例如具备显示器、扬声器等。HMI6根据来自ECU10的控制信号来进行显示器的图像输出以及从扬声器的声音输出。
促动器7是在本车辆的控制中使用的机器。促动器7至少包括驱动促动器、制动促动器以及转向操纵促动器。驱动促动器根据来自ECU10的控制信号对空气相对于发动机的供给量(节气门开度)进行控制，控制本车辆的驱动力。此外，在本车辆为混合动力车的情况下，除了控制空气相对于发动机的供给量之外，还向作为动力源的马达输入来自ECU10的控制信号来控制其驱动力。在本车辆为电动汽车的情况下，向作为动力源的马达输入来自ECU10的控制信号来控制其驱动力。作为上述情况下的动力源的马达构成促动器7。
制动促动器根据来自ECU10的控制信号来控制制动系统，对向本车辆的车轮施加的制动力进行控制。作为制动系统，例如能够使用液压制动系统。转向操纵促动器根据来自ECU10的控制信号来对电动助力转向系统中的控制转向操纵扭矩的辅助马达的驱动进行控制。由此，转向操纵促动器控制本车辆的转向操纵扭矩。
接下来，对ECU10的功能结构进行说明。如图1所示，ECU10具有车辆位置识别部11、地图未对应区域识别部12、行驶环境识别部13、行驶环境分类判定部14、行驶规划生成部15、车辆控制部16以及记录部17。以下说明的ECU10的功能的一部分可以形成于能够与本车辆通信的服务器。
车辆位置识别部11基于GPS接收部1的位置信息以及地图数据库4的自动驾驶地图信息来识别本车辆的地图上的位置。另外，车辆位置识别部11利用地图数据库4的自动驾驶地图信息所包含的物标的位置信息以及外部传感器2的检测结果并通过SLAM[Simultaneous Localization and Mapping：即时定位与地图构建]技术等高精度地进行本车辆的位置识别。车辆位置识别部11可以通过其他公知的手法来识别本车辆的地图上的位置。
地图未对应区域识别部12对存储于地图数据库4的自动驾驶地图信息没有对应的地图未对应区域进行识别。自动驾驶地图信息没有对应的地图未对应区域是指：未包含为了适当地执行本车辆的自动驾驶而应该包含在自动驾驶地图信息内的信息的地图上的区域(或区间)。在地图未对应区域中，道路的每条车道的位置信息、物标的位置信息中的至少一者未包含在地图数据库4的自动驾驶地图信息内。此外，为了适当地执行本车辆的自动驾驶而应该包含在自动驾驶地图信息的信息可以根据本车辆的自动驾驶功能来追加。
地图未对应区域识别部12基于地图数据库4的自动驾驶地图信息与车辆位置识别部11识别出的本车辆的地图上的位置来对本车辆是否在地图未对应区域行驶进行判定。地图未对应区域识别部12可以基于自动驾驶中的本车辆所行驶的目标路径与自动驾驶地图信息来预先对本车辆是否在地图未对应区域行驶进行判定。
行驶环境识别部13基于外部传感器2以及内部传感器3的检测结果(车载传感器的检测结果)来识别本车辆的行驶环境。本车辆的行驶环境包括本车辆的外部环境以及本车辆的行驶状态。行驶环境识别部13基于外部传感器2的检测结果对包括本车辆的周围的障碍物的状况在内的本车辆的外部环境进行识别。行驶环境识别部13可以基于外部传感器2的检测结果进行本车辆的周围的白线识别，并将白线识别的结果识别为外部环境。行驶环境识别部13基于内部传感器3的检测结果对车速、加速度、横摆率等本车辆的行驶状态进行识别。
图2是表示本车辆的行驶环境的一个例子的俯视图。图2中示出本车辆M、前车N1、后车N2以及并入车N3。图2表示并入车N3并入本车辆M与前车N1之间的并入场景的一个例子。行驶环境识别部13基于外部传感器2以及内部传感器3的检测结果来识别图2所示的本车辆的行驶环境。
在自动驾驶中的本车辆在地图未对应区域行驶的情况下，行驶环境分类判定部14基于行驶环境分类数据库5的行驶环境分类数据与行驶环境识别部13识别出的本车辆的行驶环境来对与本车辆的行驶环境对应的行驶环境分类是否存在于行驶环境分类数据库进行判定。
与本车辆的行驶环境对应的行驶环境分类是指与在本车辆的行驶环境中的自动驾驶的行驶规划的生成中有用的过去行驶规划相关联的行驶环境分类。作为一个例子，行驶环境分类判定部14通过对按照每一个行驶环境分类预先设定的代表行驶环境与本车辆的行驶环境进行比较来对与本车辆的行驶环境对应的行驶环境分类是否存在于行驶环境分类数据库5进行判定。代表行驶环境是指行驶环境分类中的代表性的行驶环境。这里，在行驶环境分类数据库5储存有各个行驶环境分类的代表行驶环境。
作为一个例子，在存在本车辆的行驶环境的特征矢量与预先存储的代表行驶环境的特征矢量的内积的大小为设定阈值以上的代表行驶环境的1情况下，行驶环境分类判定部14判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库5。设定阈值为预先设定的阈值。
行驶环境分类判定部14从本车辆的行驶环境提取为特征量来生成特征矢量。特征量能够从本车辆的车速、本车辆的横摆率、本车辆与前车的车间距离、前车的车速、最接近本车辆的其他车辆的相对位置等采用。行驶环境分类判定部14例如在第一要素放入本车辆的车速、在第二要素放入本车辆的最近的其他车辆的速度、在第三要素目放入本车辆与前车的车间距离…等来生成本车辆的行驶环境的特征矢量。本车辆的行驶环境与代表行驶环境越类似、本车辆的行驶环境的特征矢量与代表行驶环境的特征矢量的内积的大小越接近1，因而行驶环境分类判定部14能够基于特征矢量的内积的大小进行上述判定。
或者，在存在与本车辆的行驶环境的差异为允许范围内的代表行驶环境的情况下，行驶环境分类判定部14可以判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库5。允许范围为预先设定的范围。允许范围可以针对每个行驶环境的特征量来设定。
例如在本车辆的行驶环境与代表行驶环境的差异仅为本车辆的车速、且存在车速的差异为允许范围内(例如±10km/h)的代表行驶环境的情况下，行驶环境分类判定部14判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库5。行驶环境分类判定部14也可以构成为在本车辆的行驶环境与代表行驶环境的差异仅为本车辆的车速以及本车辆与前车的车间距离、且存在车速的差异为允许范围内、车间距离的差异为允许范围内(例如±0.5m)的代表行驶环境的情况下，判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库5。此外，行驶环境分类判定部14的判定方法并不限定于上述内容。行驶环境分类判定部14能够采用判定行驶环境的类似的各种手法。
此外，在本实施方式中，行驶环境分类判定部14将与行驶结果的风险指标不足判定对象阈值的过去行驶规划相关联的行驶环境分类作为判定对象。即，行驶环境分类判定部14不将仅与行驶结果的风险指标为判定对象阈值以上的过去行驶规划相关联的行驶环境分类作为判定对象。判定对象阈值为预先设定的阈值。即便存在本车辆的行驶环境的特征矢量与代表行驶环境的特征矢量的内积的大小为设定阈值以上的代表行驶环境，在仅风险指标为判定对象阈值以上的过去行驶规划与该代表行驶环境的行驶环境分类相关联的情况下，行驶环境分类判定部14仍不将该行驶环境分类判定为与本车辆的行驶环境对应的行驶环境分类。行驶结果的风险指标不需要存储于行驶环境分类数据库5，在行驶环境分类判定部14根据行驶结果来运算的情况下也同样。
接下来，使用图3中的(a)～图3中的(c)对行驶环境分类判定部14中的具体判定内容进行说明。图3中的(a)是表示第一行驶环境分类的代表行驶环境Ra的俯视图。第一行驶环境分类以及代表行驶环境Ra存储于行驶环境分类数据库5。图3中的(a)示出与本车辆相当的基准车辆Ma、前车Na1、后车Na2、并入车Na3。图3中的(a)所示的代表行驶环境Ra表示在过去并入车Na3并入基准车辆Ma与前车Na1之间的并入场景。对图2所示的本车辆的行驶环境与图3中的(a)所示的代表行驶环境Ra进行比较，在代表行驶环境Ra中，并入车Na3尚未开始并入，并入车Na3的位置以及方向不同。此外，本车辆M的车速等行驶状态与基准车辆Ma的行驶状态处于相同的状态。
例如图2所示的本车辆的行驶环境与图3中的(a)所示的代表行驶环境Ra的差异较大(例如差异超过允许范围)，因而行驶环境分类判定部14判定为图3中的(a)所示的第一行驶环境分类未与图2所示的本车辆的行驶环境对应。
图3中的(b)是表示第二行驶环境分类的代表行驶环境Rb的俯视图。第二行驶环境分类以及代表行驶环境Rb存储于行驶环境分类数据库5。图3中的(b)中示出与本车辆相当的基准车辆Mb、前车Nb1、后车Nb2、并入车Nb3。将图2所示的本车辆的行驶环境与图3中的(b)所示的代表行驶环境Rb进行比较，在代表行驶环境Rb中，仅基准车辆Mb与前车Nb1的车间距离与并入车Na3的位置不同。
图2所示的本车辆的行驶环境与图3中的(b)所示的代表行驶环境Rb的差异较小(例如差异为允许范围内)，因而行驶环境分类判定部14判定为图3中的(b)所示的第二行驶环境分类与图2所示的本车辆的行驶环境对应。
图3中的(c)是表示第三行驶环境分类的代表行驶环境Rc的俯视图。第三行驶环境分类以及代表行驶环境Rc存储于行驶环境分类数据库5。图3中的(c)中示出与本车辆相当的基准车辆Mc、前车Nc1、后车Nc2、并入车Nc3以及再前车Nc4。将图2所示的本车辆的行驶环境与图3中的(c)所示的代表行驶环境Rc进行比较，在代表行驶环境Rc中，不同的是并入车Nc3已经并入基准车辆Mc与前车Nc1之间以及存在再前车Nc4。
图2所示的本车辆的行驶环境与图3中的(c)所示的代表行驶环境Rc的差异较大，因而行驶环境分类判定部14判定为图3中的(c)中的第三行驶环境分类未与图2所示的本车辆的行驶环境对应。此外，在从行驶规划生成的观点考虑能够判定为再前车Nc4的存在与否无影响的情况下，行驶环境分类判定部14可以进行上述判定而不考虑再前车Nc4的存在。针对后车也同样。
这样，在行驶环境识别部13识别出图2所示的本车辆的行驶环境的情况下，在图3中的(a)所示的第一行驶环境分类、图3中的(b)所示的第二行驶环境分类、以及图3中的(c)所示的第三行驶环境分类存储于行驶环境分类数据库5的情况下，行驶环境分类判定部14判定为与图2所示的本车辆的行驶环境对应的第二行驶环境分类存在于行驶环境分类数据库5。此外，上述判定结果是一个例子，行驶环境分类判定部14可以判定为第一行驶环境分类以及/或第三行驶环境分类也与图2所示的本车辆的行驶环境对应。
行驶规划生成部15生成在自动驾驶中使用的本车辆的行驶规划。在本车辆在自动驾驶地图信息所对应的区域行驶的情况下(未在地图未对应区域行驶的情况下)，行驶规划生成部15基于预先设定的自动驾驶的目标路径、地图数据库4的自动驾驶地图信息、车辆位置识别部11识别出的本车辆的地图上的位置、以及由行驶环境识别部13识别出的本车辆的行驶环境生成本车辆的行驶规划。
作为一个例子，行驶规划包括与车辆的目标路径上的位置对应的车辆的控制目标值。目标路径上的位置是指地图上目标路径的延伸方向上的位置。目标路径上的位置是指在目标路径的延伸方向上每隔规定间隔(例如1m)而设定的设定纵向位置。控制目标值是指行驶规划中成为车辆的控制目标的值。控制目标值与目标路径上的每个设定纵向位置相关联地设定。行驶规划生成部15在目标路径上设定规定间隔的设定纵向位置，并且每隔设定纵向位置设定控制目标值(例如目标横向位置以及目标车速)，从而生成行驶规划。设定纵向位置以及目标横向位置可以配合设定为一个位置坐标。设定纵向位置以及目标横向位置是指在行驶规划中作为目标而设定的纵向位置的信息以及横向位置的信息。自动驾驶的行驶规划并不限定于上述内容，能够采用各种规划。
在自动驾驶中的本车辆在地图未对应区域行驶的情况下，当由行驶环境分类判定部14判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库5时，行驶规划生成部15生成无地图行驶规划。无地图行驶规划是指不使用自动驾驶地图信息生成的行驶规划。无地图行驶规划的控制内容能够设计为与上述行驶规划同样。
行驶规划生成部15可以构成为在由行驶环境分类判定部14判定为存在多个与本车辆的行驶环境对应的行驶环境分类的情况下，基于与多个行驶环境分类分别关联的全部过去行驶规划以及过去行驶规划的奏效结果生成无地图行驶规划。
作为一个例子，行驶规划生成部15将与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划生成为本车辆的自动驾驶中的无地图行驶规划。行驶规划生成部15将与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划中的行驶结果的风险指标不足判定对象阈值的过去行驶规划生成为无地图行驶规划。在存在多个行驶结果的风险指标不足判定对象阈值的过去行驶规划的情况下，行驶规划生成部15将最风险指标最低的过去行驶规划生成为无地图行驶规划。
这里，图4是表示过去行驶规划与行驶结果的关系的表。图4所示的过去行驶规划1～3是与行驶环境分类判定部14判定为与图2所示的本车辆的行驶环境对应的第二行驶环境分类(参照图3中的(b))相关联的过去行驶规划。
过去行驶规划1～3例如是过去来到图3中的(b)所示的代表行驶环境Rb或近似的行驶环境的基准车辆Mb实际进行过的行驶规划。在过去行驶规划1～3分别关联有执行过去行驶规划1～3时的行驶结果(风险指标)。此外，过去行驶规划1～3的基准车辆Mb不需要为同一车辆。
如图4所示，过去行驶规划1包括：行进路线规划，其具有使基准车辆Mb靠左侧(并入车Mb3侧)的行进路线P1；和速度规划，其具有维持速度之后进行急减速的速度时间变化V1。另外，作为过去行驶规划1的行驶结果的风险指标为80。这里将风险指标的上限设为100。在过去行驶规划1的行驶结果中，执行了过去行驶规划1的基准车辆Mb与并入车Na3过度接近，因而风险指标为较高的值。
过去行驶规划2包括：行进路线规划，其具有使基准车辆Mb前进的行进路线P2；和速度规划，其具有维持速度之后进行减速的速度时间变化V2。对于速度时间变化V2而言，与速度时间变化V1相比，维持速度的时间较短。作为过去行驶规划2的行驶结果的风险指标为50。在过去行驶规划2的行驶结果中，执行了过去行驶规划2的基准车辆Mb与并入车Na3短暂接近，因而风险指标为中等程度的值。
过去行驶规划3包括：行进路线规划，其具有使基准车辆Mb靠右侧(远离并入车Na3的一侧)的行进路线P3；和速度规划，其具有立刻开始减速的速度时间变化V3。作为过去行驶规划3的行驶结果的风险指标为10。在过去行驶规划3的行驶结果中，执行了过去行驶规划3的基准车辆Mb与并入车Na3能够维持足够的间隔，因而风险指标为较低的值。
行驶规划生成部15基于与跟本车辆的行驶环境对应的第二行驶环境分类相关联的过去行驶规划1～3以及过去行驶规划1～3的行驶结果生成本车辆的无地图行驶规划。
作为一个例子，行驶规划生成部15将风险指标最低的过去行驶规划3生成为无地图行驶规划。这里，图5中的(a)是表示无地图行驶规划的行进路线规划的一个例子的俯视图。如图5中的(a)所示，行驶规划生成部15将过去行驶规划3的行进路线规划中的行进路线P3采用为无地图行驶规划的行进路线规划中的本车辆的行进路线。
图5中的(b)是表示无地图行驶规划的速度规划的一个例子的俯视图。如图5中的(b)所示，行驶规划生成部15将过去行驶规划3的速度规划中的速度时间变化V3采用为无地图行驶规划的速度规划中的本车辆的速度时间变化。
由此，行驶规划生成部15能够在自动驾驶地图信息没有对应的地图未对应区域利用存储于行驶环境分类数据库5的过去行驶规划以及行驶结果，以得到风险较低的行驶结果的方式生成无地图行驶规划。此外，在将过去行驶规划采用为无地图行驶规划的情况下，行驶规划生成部15能够根据车型的不同、自动驾驶系统的版本的不同等来进行预先设定的修正处理。
此外，无地图行驶规划的生成方法并不局限于上述内容。行驶规划生成部15可以构成为除了基于与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划以及该过去行驶规划的行驶结果之外、还基于行驶环境识别部13识别出的本车辆的行驶环境来生成无地图行驶规划。行驶规划生成部15参照过去行驶规划以及该过去行驶规划的行驶结果，以得出风险较低的行驶结果的方式根据本车辆的行驶环境生成无地图行驶规划。
在与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划存在多个的情况下，行驶规划生成部15基于多个过去行驶规划中的最风险指标较低的过去行驶规划生成无地图行驶规划。行驶规划生成部15参照最风险指标较低的过去行驶规划，以得出风险较低的行驶结果的方式生成无地图行驶规划。行驶规划生成部15还可以通过不仅参照风险较低的过去行驶规划，还参照风险指标较高的过去行驶规划，以避免得出接近风险指标较高的过去行驶规划的行驶结果的方式生成无地图行驶规划。
在本车辆在自动驾驶地图信息所对应的区域行驶的情况下(不在地图未对应区域行驶的情况下)，车辆控制部16基于行驶规划生成部15生成的行驶规划执行本车辆的自动驾驶。车辆控制部16通过向本车辆的促动器7发送控制信号来执行本车辆的自动驾驶。
在自动驾驶中的本车辆在地图未对应区域行驶的情况下，当由行驶环境分类判定部14判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库5时，车辆控制部16基于行驶规划生成部15生成的无地图行驶规划执行本车辆的自动驾驶。车辆控制部16例如边参照行驶环境识别部13识别出的本车辆的行驶环境边依照无地图行驶规划继续自动驾驶。由此，即便自动驾驶中的本车辆进入地图未对应区域，车辆控制部16也能够继续进行本车辆的自动驾驶。
另一方面，在自动驾驶中的本车辆在地图未对应区域行驶的情况下，当由行驶环境分类判定部14判定为与本车辆的行驶环境对应的行驶环境分类未存在于行驶环境分类数据库5时，车辆控制部16结束本车辆的自动驾驶。车辆控制部16结束本车辆的自动驾驶并开始本车辆的驾驶辅助或手动驾驶。在驾驶辅助中，驾驶员成为主体来控制本车辆的行驶。驾驶辅助例如包括ACC以及LKA。驾驶辅助的内容并不特别限定，能够采用公知的各种控制。
在结束自动驾驶的情况下，车辆控制部16通过向HMI6发送控制信号来将结束自动驾驶通知给驾驶员。HMI6通过声音输出以及/或图像显示向驾驶员进行通知。
车辆控制部16可以构成为当由行驶环境分类判定部14判定为与本车辆的行驶环境对应的行驶环境分类不存在于行驶环境分类数据库5时，对本车辆的行驶环境是否能够实现驾驶辅助进行判定。作为一个例子，在本车辆的行驶环境符合预先设定的能够实现驾驶辅助的行驶环境的情况下，车辆控制部16判定为本车辆的行驶环境能够实现驾驶辅助。相反，车辆控制部16也可以对本车辆的行驶环境是否符合预先设定的无法实现驾驶辅助的行驶环境进行判定。
具体地说，本车辆的行驶环境为在汽车专用道路前进的行驶环境的情况下，车辆控制部16判定为本车辆的行驶环境能够实现驾驶辅助。在本车辆的行驶环境为交通阻塞的环境、驾驶辅助功能未与交通阻塞的环境对应时，车辆控制部16判定为本车辆的行驶环境无法实现驾驶辅助。
车辆控制部16在判定为本车辆的行驶环境能够实现驾驶辅助的情况下，伴随着自动驾驶的结束而开始驾驶辅助。车辆控制部16在判定为本车辆的行驶环境无法实现驾驶辅助的情况下，伴随着自动驾驶的结束而开始手动驾驶。此外，车辆控制部16不需要必须进行本车辆的行驶环境是否能够实现驾驶辅助的判定。车辆控制部16可以基于预先设定的切换设定在自动驾驶的结束时进行向驾驶辅助或手动驾驶的切换。
记录部17向行驶环境分类数据库5发送数据并进行记录。在满足预先设定的记录条件的情况下，记录部17向行驶环境分类数据库5发送数据。在基于无地图行驶规划进行了本车辆的自动驾驶的情况下，记录部17判定为满足记录条件。在该情况下，记录部17使该无地图行驶规划作为在无地图行驶规划的生成中使用过的针对行驶环境分类的过去行驶规划记录在行驶环境分类数据库5。
另外，记录部17使该无地图行驶规划的行驶结果作为过去行驶规划的行驶结果记录在行驶环境分类数据库5。在基于无地图行驶规划的自动驾驶中，记录部17根据行驶环境识别部13识别出的本车辆的行驶环境的变化来识别行驶结果。记录部17根据基于无地图行驶规划的自动驾驶中的本车辆与障碍物的最接近距离等来运算风险指标，并使风险指标作为行驶结果记录在行驶环境分类数据库5。此外，记录部17不需要必须运算风险指标。
[车辆控制装置的自动驾驶处理]
接下来，参照图6对本实施方式所涉及的车辆控制装置100的自动驾驶处理进行说明。图6是表示自动驾驶处理的一个例子的流程图。图6所示的流程图的处理在开始本车辆的自动驾驶后或自动驾驶的继续中执行。
如图6所示，作为S10，车辆控制装置100的ECU10通过地图未对应区域识别部12对本车辆是否在地图未对应区域行驶进行判定。地图未对应区域识别部12基于地图数据库4的自动驾驶地图信息与车辆位置识别部11识别出的本车辆的地图上的位置来对本车辆是否在地图未对应区域行驶进行判定。
ECU10在判定为本车辆不在地图未对应区域行驶的情况下(S10：否)，结束本次处理。然后，在自动驾驶继续的情况下，在经过一定时间之后，ECU10再次开始S10的判定。ECU10在判定为本车辆在地图未对应区域行驶的情况下(S10：是)，移至S12。
在S12中，ECU10通过行驶环境识别部13来识别本车辆的行驶环境。行驶环境识别部13基于外部传感器2以及内部传感器3的检测结果来识别本车辆的行驶环境。
在S14中，ECU10通过行驶环境分类判定部14对与本车辆的行驶环境对应的行驶环境分类是否存在于行驶环境分类数据库进行判定。行驶环境分类判定部14基于行驶环境分类数据库5的行驶环境分类数据与行驶环境识别部13识别出的本车辆的行驶环境来进行上述判定。ECU10在判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库的情况下(S14：是)，移至S16。ECU10在判定为与本车辆的行驶环境对应的行驶环境分类不存在于行驶环境分类数据库情况下(S14：否)，移至S20。
在S16中，ECU10通过行驶规划生成部15生成无地图行驶规划。作为一个例子，行驶规划生成部15将与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划生成为本车辆的自动驾驶中的无地图行驶规划。行驶规划生成部15将与本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划中的行驶结果的风险指标不足判定对象阈值且风险指标最低的过去行驶规划生成为无地图行驶规划。
在S18中，ECU10通过车辆控制部16执行基于无地图行驶规划的本车辆的自动驾驶。车辆控制部16通过依照无地图行驶规划向本车辆的促动器7发送控制信号来执行本车辆的自动驾驶。然后，在自动驾驶继续的情况下，ECU10再次从S10的判定起重复处理。
另一方面，在S20中，ECU10通过车辆控制部16对本车辆的行驶环境是否能够实现驾驶辅助进行判定。作为一个例子，在本车辆的行驶环境符合预先设定的能够实现驾驶辅助的行驶环境的情况下，车辆控制部16判定为本车辆的行驶环境能够实现驾驶辅助。ECU10在判定为本车辆的行驶环境能够实现驾驶辅助的情况下(S20：是)，移至S22。ECU10在判定为本车辆的行驶环境无法实现驾驶辅助的情况下(S20：否)，移至S24。
在S22中，车辆控制部16结束本车辆的自动驾驶并开始本车辆的驾驶辅助。在S24中，车辆控制部16结束本车辆的自动驾驶并开始本车辆的手动驾驶。
[车辆控制装置的行驶环境分类数据库记录处理]
接着，参照图7对本实施方式所涉及的车辆控制装置100的行驶环境分类数据库记录处理进行说明。图7是表示行驶环境分类数据库记录处理的一个例子的流程图。图7所示的流程图的处理在本车辆的自动驾驶的执行中进行。
如图7所示，作为S30，车辆控制装置100的ECU10通过记录部17判定是否满足记录条件。在基于无地图行驶规划执行了本车辆的自动驾驶的情况下，记录部17判定为满足记录条件。ECU10在未判定为满足记录条件的情况下(S30：否)，结束本次处理。然后，在自动驾驶继续的情况下，在经过一定时间之后，ECU10再次开始S30的判定。ECU10在判定为满足记录条件的情况下(S30：是)，移至S32。
在S32中，ECU10进行各种数据的识别。ECU10对无地图行驶规划的生成时的本车辆的行驶环境、基于无地图行驶规划的自动驾驶的执行中的本车辆的行驶环境、以及无地图行驶规划进行识别。
在S34中，ECU10通过记录部17来运算行驶结果的风险指标。记录部17例如根据基于无地图行驶规划的自动驾驶中的本车辆与障碍物的最接近距离来运算风险指标。
在S36中，ECU10通过记录部17使数据记录在行驶环境分类数据库5。记录部17相对于无地图行驶规划的生成时与本车辆的行驶环境对应的行驶环境分类，关联地记录无地图行驶规划作为过去行驶规划。另外，记录部17使无地图行驶规划的行驶结果(风险指标)与该过去行驶规划相关联并记录。然后，在继续自动驾驶的情况下，在经过一定时间之后，ECU10再次开始S30的判定。
[车辆控制装置的作用效果]
根据以上说明过的本实施方式所涉及的车辆控制装置100，在自动驾驶中的本车辆在地图未对应区域行驶的情况下，在判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库5时，能够基于与该行驶环境分类相关联的过去行驶规划以及过去行驶规划的行驶结果生成无地图行驶规划，基于无地图行驶规划进行车辆的自动驾驶。因此，根据车辆控制装置100，能够利用与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划以及过去行驶规划的行驶结果，在自动驾驶地图信息没有对应的地图未对应区域适当地执行本车辆的自动驾驶。
另外，在车辆控制装置100中，在与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划存在多个的情况下，基于多个过去行驶规划中的风险指标最低的过去行驶规划生成无地图行驶规划，因而有利于地图未对应区域中的本车辆的自动驾驶的风险减少。
而且，根据车辆控制装置100，在自动驾驶中的本车辆在地图未对应区域行驶的情况下，当判定为与本车辆的行驶环境对应的行驶环境分类不存在于行驶环境分类数据库时，能够结束本车辆的自动驾驶并切换为本车辆的驾驶辅助或手动驾驶。
另外，根据车辆控制装置100，在基于无地图行驶规划进行了本车辆的自动驾驶的情况下，通过将该无地图行驶规划以及该无地图行驶规划的行驶结果记录在行驶环境分类数据库5，能够实现行驶环境分类数据库5的丰富化。
以上，对本发明的优选实施方式进行了说明，但本发明并不限定于上述实施方式。本发明能够以在上述实施方式的基础上基于本领域技术人员的知识实施了各种变更、改进后的各种方式实施。
可以构成为过去行驶规划的行驶结果的风险指标不仅利用本车辆的外部环境，还利用基于过去行驶规划的自动驾驶的执行中的本车辆的行驶状态来进行运算。风险指标可以使用本车辆的纵向加速度的变化、本车辆的横向加速度的变化、本车辆的纵向(前后方向)的加速度的时间导数的变化、本车辆的横向的加加速度的变化、本车辆的发动机驱动力的变化等参数中的至少一个以上来进行运算。风险指标可以根据预碰撞安全系统等碰撞避免功能的工作的有无来进行运算。可以将碰撞避免功能工作的情况判定为存在风险、将碰撞避免功能不工作的情况判定为无风险。
另外，过去行驶规划的行驶结果可以包括乘员的乘坐舒适性评价。乘员的乘坐舒适性评价能够根据基于上述过去行驶规划的自动驾驶的执行中的车辆的行驶状态的参数来进行运算。行驶规划生成部15参照过去行驶规划以及过去行驶规划的乘坐舒适性评价，以乘员的乘坐舒适性评价变高的方式生成无地图行驶规划。行驶规划生成部15也可以是根据乘员的乘坐舒适性评价为乘坐舒适性阈值以上的过去行驶规划生成无地图行驶规划的方式。
除此之外，在存在风险指标等同的过去行驶规划的情况下，行驶规划生成部15可以将发动机驱动力的变化最小的过去行驶规划优先地使用为无地图行驶规划，也可以将燃料消耗最小的过去行驶规划优先地使用为无地图行驶规划。行驶规划生成部15也可以将接近预先设定的驾驶员的喜好的过去行驶规划优先地使用为无地图行驶规划。
行驶规划生成部15可以是如下方式，即在自动驾驶中的本车辆在地图未对应区域行驶的情况下，基于本车辆的行驶环境生成多个行驶规划候补，并对与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划以及行驶结果与多个行驶规划候补进行比较，由此从多个行驶规划候补之中选择出风险最低的行驶规划候补作为无地图行驶规划。行驶规划生成部15可以构成为在风险指标相同的行驶规划候补存在多个的情况下，将实施自动驾驶时的本车辆产生的加速度或加速度的时间导数成为阈值以下的行驶规划候补选择为无地图行驶规划。加速度可以是纵向加速度，也可以是横向加速度。同样，加速度的时间导数可以是纵向的加速度的时间导数，也可以是横向的加速度的时间导数。另外，在风险指标相同的行驶规划候补存在多个的情况下，行驶规划生成部15可以将发动机驱动力的变化最小的行驶规划候补选择为无地图行驶规划。行驶规划生成部15也可以将燃料消耗量最小的行驶规划候补选择为无地图行驶规划。
过去行驶规划的行驶结果不需要必须包括风险指标。过去行驶规划的行驶结果例如也能够是在依照过去行驶规划的自动驾驶的执行中车辆与障碍物的最接近距离等数据。在利用过去行驶规划的行驶结果时，可以根据最接近距离等数据来运算风险指标。行驶规划生成部15可以不使用风险指标地根据过去行驶规划与过去行驶规划的行驶结果(本车辆与障碍物的相对关系的时间变化等)，以避免本车辆与障碍物的过度接近的方式生成无地图行驶规划。
在自动驾驶中的本车辆在地图未对应区域行驶的情况下，当由行驶环境分类判定部14判定为与本车辆的行驶环境对应的行驶环境分类不存在时，车辆控制装置100不一定需要结束自动驾驶。在该情况下，车辆控制装置100可以是在经由HMI6向驾驶员通知状况之后驾驶员未进行驾驶的情况下向路肩等进行紧急避让的方式。另外，车辆控制装置100不一定需要能够执行驾驶辅助，也可以仅能够实现自动驾驶与手动驾驶的切换。
车辆控制装置100不一定需要具有记录部17。车辆控制装置100可以仅单纯地将本车辆的行驶规划的数据与本车辆的行驶环境的数据上传至规定的服务器等。行驶环境分类数据库5经由无线网络(例如因特等)更新。
本车辆的行驶环境所包含的外部环境可以不仅基于外部传感器2的检测结果、还基于通过车车间通信取得的来自本车辆的周围的其他车辆的信息来识别。过去行驶规划不局限于由现实的车辆执行过的行驶规划，也可以采用在模拟中采用过的行驶规划。在该情况下，过去行驶规划的行驶结果也不采用现实的行驶结果，而采用模拟上的行驶结果。此外，过去行驶规划以及过去行驶规划的行驶结果可以不进行模拟，而是预先设定的设定数据。
此外，行驶规划生成部15可以构成为在精度比自动驾驶地图信息低的地图信息与本车辆所行驶的地图未对应区域对应的情况下，在无地图行驶规划的生成中利用一般的地图信息。
行驶环境分类判定部14可以构成为在存在与跟本车辆的行驶环境对应的行驶环境分类相关联的过去行驶规划的情况下，无论过去行驶规划的行驶结果的风险指标如何，均判定为与本车辆的行驶环境对应的行驶环境分类存在于行驶环境分类数据库5。在该情况下，行驶规划生成部15基于与对应于本车辆的行驶环境的行驶环境分类相关联的过去行驶规划以及过去行驶规划的行驶结果来生成无地图行驶规划。在仅存在风险指标较高的过去行驶规划的情况下，行驶环境分类判定部14仍通过参照风险指标较高的过去行驶规划而以避免得出接近风险指标较高的过去行驶规划的行驶结果的方式生成无地图行驶规划。

Claims (4)

1.一种车辆控制装置，其能够基于自动驾驶地图信息执行本车辆的自动驾驶，其中，
所述车辆控制装置具备：
地图未对应区域识别部，其识别所述自动驾驶地图信息没有对应的地图未对应区域；
行驶环境识别部，其基于所述本车辆的车载传感器的检测结果来识别所述本车辆的行驶环境；
行驶环境分类数据库，其记录行驶环境分类数据，该行驶环境分类数据是按照预先设定的行驶环境分类的每一个将至少一个自动驾驶的过去行驶规划与所述过去行驶规划的行驶结果关联形成的数据；
行驶环境分类判定部，在所述自动驾驶中的所述本车辆在所述地图未对应区域行驶的情况下，该行驶环境分类判定部对与所述行驶环境识别部识别出的所述本车辆的行驶环境对应的所述行驶环境分类是否存在于所述行驶环境分类数据库进行判定；
行驶规划生成部，在由所述行驶环境分类判定部判定为与所述本车辆的行驶环境对应的所述行驶环境分类存在于所述行驶环境分类数据库的情况下，该行驶规划生成部基于与该行驶环境分类关联的所述过去行驶规划以及所述过去行驶规划的行驶结果生成所述地图未对应区域中的所述本车辆的行驶规划亦即无地图行驶规划；以及
车辆控制部，其基于所述无地图行驶规划进行所述本车辆的自动驾驶。
2.根据权利要求1所述的车辆控制装置，其中，
所述过去行驶规划的行驶结果包含风险指标，
在与跟所述本车辆的行驶环境对应的所述行驶环境分类关联的所述过去行驶规划存在多个的情况下，所述行驶规划生成部基于多个所述过去行驶规划中的风险指标最低的所述过去行驶规划生成所述无地图行驶规划。
3.根据权利要求1或2所述的车辆控制装置，其中，
在所述自动驾驶中的所述本车辆在所述地图未对应区域行驶的情况下，当由所述行驶环境分类判定部判定为不存在与所述本车辆的行驶环境对应的所述行驶环境分类时，所述车辆控制部结束所述本车辆的自动驾驶并开始所述本车辆的驾驶辅助或手动驾驶。
4.根据权利要求1～3中任一项所述的车辆控制装置，其中，
还具备记录部，在基于所述无地图行驶规划进行了所述本车辆的自动驾驶的情况下，该记录部使该无地图行驶规划作为在所述无地图行驶规划的生成中使用过的、针对所述行驶环境分类的所述过去行驶规划而记录在所述行驶环境分类数据库，并且使该无地图行驶规划的行驶结果作为所述过去行驶规划的行驶结果而记录在所述行驶环境分类数据库。
CN201811533835.8A 2017-12-18 2018-12-14 车辆控制装置 Active CN110001648B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017242084A JP6888538B2 (ja) 2017-12-18 2017-12-18 車両制御装置
JP2017-242084 2017-12-18

Publications (2)

Publication Number Publication Date
CN110001648A true CN110001648A (zh) 2019-07-12
CN110001648B CN110001648B (zh) 2022-06-03

Family

ID=66814452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811533835.8A Active CN110001648B (zh) 2017-12-18 2018-12-14 车辆控制装置

Country Status (3)

Country Link
US (1) US10976739B2 (zh)
JP (1) JP6888538B2 (zh)
CN (1) CN110001648B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111108031B (zh) * 2017-08-30 2023-09-22 本田技研工业株式会社 行驶控制装置、车辆以及行驶控制方法
CN110893858B (zh) * 2018-09-12 2021-11-09 华为技术有限公司 一种智能驾驶方法及智能驾驶系统
CN110466526B (zh) * 2019-08-29 2020-12-04 爱驰汽车有限公司 基于车联网的驾驶模式切换方法、系统、设备及存储介质
US11465652B2 (en) * 2020-06-11 2022-10-11 Woven Planet North America, Inc. Systems and methods for disengagement prediction and triage assistant

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101975951A (zh) * 2010-06-09 2011-02-16 北京理工大学 一种融合距离和图像信息的野外环境障碍检测方法
US20130211656A1 (en) * 2012-02-09 2013-08-15 Electronics And Telecommunications Research Institute Autonomous driving apparatus and method for vehicle
CN105151043A (zh) * 2015-08-19 2015-12-16 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车紧急避让的系统和方法
US20160292998A1 (en) * 2015-03-31 2016-10-06 Toyota Jidosha Kabushiki Kaisha Vehicle traveling control device
JP2017204145A (ja) * 2016-05-11 2017-11-16 株式会社豊田中央研究所 走行経路生成装置、モデル学習装置、及びプログラム
US20170356747A1 (en) * 2016-06-14 2017-12-14 nuTonomy Inc. Route Planning for an Autonomous Vehicle

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007102367A1 (ja) 2006-02-28 2007-09-13 Toyota Jidosha Kabushiki Kaisha 物体進路予測方法、装置、プログラム、および自動運転システム
JP4396653B2 (ja) 2006-02-28 2010-01-13 トヨタ自動車株式会社 物体進路予測方法、装置、およびプログラム
JP5402335B2 (ja) * 2009-07-10 2014-01-29 アイシン・エィ・ダブリュ株式会社 信頼度評価装置、信頼度評価方法および信頼度評価プログラム
US8509982B2 (en) 2010-10-05 2013-08-13 Google Inc. Zone driving
US8457827B1 (en) 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
US9606523B2 (en) 2012-04-04 2017-03-28 Philips Lighting Holding B.V. Apparatus and methods for external programming of processor of LED driver
US20130289824A1 (en) * 2012-04-30 2013-10-31 GM Global Technology Operations LLC Vehicle turn assist system and method
JP6187370B2 (ja) 2014-04-10 2017-08-30 トヨタ自動車株式会社 運転行動分類装置および運転行動分類方法
US10759446B2 (en) 2015-04-21 2020-09-01 Panasonic Intellectual Property Management Co., Ltd. Information processing system, information processing method, and program
JP6761967B2 (ja) 2015-04-21 2020-09-30 パナソニックＩｐマネジメント株式会社 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム
JP6519434B2 (ja) 2015-10-08 2019-05-29 株式会社デンソー 運転支援装置
JP6540482B2 (ja) * 2015-12-04 2019-07-10 株式会社デンソー 情報処理システム、情報処理装置及び出力制御方法
JP6429203B2 (ja) * 2016-05-19 2018-11-28 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
US10203031B2 (en) * 2016-07-19 2019-02-12 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for changing driving modes using navigation and control
DE102017218192A1 (de) * 2017-10-12 2019-04-18 Robert Bosch Gmbh Verfahren und Vorrichtung zur Verkehrsschilderkennung
US20190146508A1 (en) * 2017-11-14 2019-05-16 Uber Technologies, Inc. Dynamic vehicle routing using annotated maps and profiles

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101975951A (zh) * 2010-06-09 2011-02-16 北京理工大学 一种融合距离和图像信息的野外环境障碍检测方法
US20130211656A1 (en) * 2012-02-09 2013-08-15 Electronics And Telecommunications Research Institute Autonomous driving apparatus and method for vehicle
US20160292998A1 (en) * 2015-03-31 2016-10-06 Toyota Jidosha Kabushiki Kaisha Vehicle traveling control device
CN105151043A (zh) * 2015-08-19 2015-12-16 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车紧急避让的系统和方法
JP2017204145A (ja) * 2016-05-11 2017-11-16 株式会社豊田中央研究所 走行経路生成装置、モデル学習装置、及びプログラム
US20170356747A1 (en) * 2016-06-14 2017-12-14 nuTonomy Inc. Route Planning for an Autonomous Vehicle

Also Published As

Publication number Publication date
CN110001648B (zh) 2022-06-03
JP6888538B2 (ja) 2021-06-16
US20190187710A1 (en) 2019-06-20
US10976739B2 (en) 2021-04-13
JP2019109700A (ja) 2019-07-04

Similar Documents

Publication Publication Date Title
US11636362B1 (en) Predicting trajectory intersection by another road user
US11256260B2 (en) Generating trajectories for autonomous vehicles
EP3678911B1 (en) Pedestrian behavior predictions for autonomous vehicles
CN109421739B (zh) 用于监控自主车辆的方法和设备
US20220169214A1 (en) Emergency braking for autonomous vehicles
CN110001648A (zh) 车辆控制装置
US11402843B2 (en) Semantic object clustering for autonomous vehicle decision making
JP6889274B2 (ja) 走行モデル生成システム、走行モデル生成システムにおける車両、処理方法およびプログラム
US20200064856A1 (en) Detecting and responding to sounds for autonomous vehicles
CN106573618A (zh) 车辆的行驶控制装置及方法
CN110471406A (zh) 自动驾驶系统
CN111186373B (zh) 报告装置
CN107839686B (zh) 目标车辆取消选择
CN109917783A (zh) 驾驶辅助装置
JP7369078B2 (ja) 車両制御装置、車両制御方法、及びプログラム
US11429843B2 (en) Vehicle operation labeling
CN110660271B (zh) 在更大距离上识别对于行驶重要相关的情况
US10539959B1 (en) Detecting and responding to people directing traffic for autonomous vehicles
US20220388542A1 (en) Information processing server, processing method of information processing server, and storage medium
US20220297726A1 (en) Computerized detection of unsafe driving scenarios
WO2019023747A1 (en) TERRESTRIAL VEHICLE WITHOUT DRIVER
JP2022068115A (ja) 適応可能な後突警報のためのシステムと方法
US20210101596A1 (en) System and method for a vehicle adaptive cruise control for a stop-go event
CN112519779A (zh) 基于位置的车辆操作
US20220388521A1 (en) Information processing server, processing method of information processing server, and storage media

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