CN110382319B - 行驶辅助方法及驾驶控制装置 - Google Patents

Abstract

本发明的行驶辅助方法，在可切换基于驾驶员的手动驾驶和自动驾驶的车辆中，学习驾驶员的手动驾驶中的在交叉路口停止时的制动距离，并优先学习车辆的前方不存在前行车时的制动距离。

Description

行驶辅助方法及驾驶控制装置

技术领域

本发明涉及一种在可切换基于驾驶员的手动驾驶和自动驾驶的车辆中， 学习驾驶员的手动驾驶中的行驶数据的行驶辅助方法以及将该学习结果适用 于自动驾驶的行驶特性的驾驶控制装置。

背景技术

一直以来，为了能够进行抑制驾驶员的不适感的自动驾驶，专利文献1 公开有作为学习手动驾驶中的驾驶员的驾驶操作的驾驶控制装置。在专利文 献1所公开的驾驶控制装置中，设定车道数量以及天气等环境项目，在手动 驾驶时根据环境项目确定驾驶环境，与驾驶环境对应地学习驾驶员的驾驶操 作。

专利文献

专利文献1：(日本)特开2015-89801号公报

但是，在一般道路的交叉路口车辆停止时的制动距离，即使是相同的环 境条件但行驶数据的偏差也较大，因此，存在不能高精度地学习捕捉了驾驶 员的感觉的制动距离的问题。

发明内容

于是，本发明是鉴于上述实际情况而提出的，其目的在于提供一种能够 高精度地学习捕捉了驾驶员的感觉的制动距离的行驶辅助方法及驾驶控制装 置。

为了解决上述课题，本发明的一方式的行驶辅助方法及驾驶控制装置学 习驾驶员的手动驾驶中在交叉路口停止时的制动距离，且优先学习车辆的前 方不存在前行车时的制动距离。

根据本发明，能够高精度地学习捕捉了驾驶员的感觉的制动距离。

附图说明

图1是表示包含本发明的一个实施方式的驾驶控制装置的驾驶控制系统 的结构的框图。

图2是表示由本发明的一个实施方式的驾驶控制装置进行的行驶特性学 习处理的处理顺序的流程图。

图3是表示在本发明的一个实施方式的行驶特性学习处理中输入的数据 的一例的图。

图4是用于说明车辆在交叉路口停止时的减速开始速度和制动距离的图。

图5是用于说明在本发明的一个实施方式的行驶特性学习处理中执行的 多重回归分析的系数的图。

图6是表示不存在前行车时的减速开始速度与制动距离之间的关系的数 据的一例的图。

图7是表示不仅是在不存在前行车时而且表示全部情况下的减速开始速 度与制动距离之间的关系的数据的一例的图。

图8是表示以平均减速度恒定的方式开始制动的类型的驾驶员的情况下 的减速开始速度与制动距离之间的关系的数据的一例的图。

图9是表示以TTI(Time to intersection)恒定的方式开始制动的类型的 驾驶员的情况下的减速开始速度与制动距离之间的关系的数据的一例的图。

图10是用于说明本发明的一个实施方式的基于行驶特性学习处理的谨慎 度的判断方法的图。

图11是用于说明本发明的一个实施方式的基于行驶特性学习处理的谨慎 度的判断方法的图。

图12是用于说明本发明的一个实施方式的基于行驶特性学习处理的细心 度(认真度)的判断方法的图。

图13是表示本发明的一个实施方式的驾驶控制装置的自动驾驶控制处理 的处理顺序的流程图。

具体实施方式

以下，参照附图对应用了本发明的一个实施方式进行说明。

(驾驶控制系统的构成)

图1是表示包含本实施方式的驾驶控制装置的驾驶控制系统的结构的框 图。如图1所示，本实施方式的驾驶控制系统100具备：驾驶控制装置1、行 驶状态检测部3、行驶环境检测部5、驾驶切换开关7以及控制状态呈现部9。 另外，驾驶控制系统100与搭载在车辆上的致动器11连接。

驾驶控制装置1是在可切换基于驾驶员的手动驾驶和自动驾驶的车辆中， 学习驾驶员的手动驾驶中的行驶数据，执行将该学习结果适用于自动驾驶的 行驶特性的处理的控制器。特别是，驾驶控制装置1执行优先使用不存在行 驶在车辆前方的前行车时的行驶数据，学习车辆在交叉路口停止时的制动距 离的行驶特性学习处理。在该行驶特性学习处理中，从手动驾驶中的行驶数 据中筛选出不存在前行车时的行驶数据，并使用筛选出的不存在前行车时的 行驶数据进行学习。即，仅使用不存在前行车时的行驶数据进行学习。在此， 驾驶控制装置1具备：学习用数据存储部21、行驶特性学习部23和自动驾驶 控制执行部25。

另外，在本实施方式中，对将驾驶控制装置1搭载于车辆上的情况进行 说明，但也可以在车辆上设置通信装置，将驾驶控制装置1的一部分设置于 外部服务器上而执行行驶特性学习处理。在将驾驶控制装置1搭载于车辆的 情况下，能够学习拥有或使用车辆的驾驶员的行驶特性。另外，能够预先存 储规定期间(例如最新1个月)的行驶数据，并反映到该驾驶员所拥有或使 用的车辆的自动驾驶中。另一方面，在设置于外部服务器的情况下，能够使 用驾驶员自身的长时间的行驶数据进行学习，因此，能够计算出更稳定的学 习结果。另外，在学习未完成时，能够运用其他驾驶员的行驶数据，将该地 区的平均的驾驶员的行驶特性反映到自动驾驶中。

行驶状态检测部3检测表示车速、加速度、前行车的有无、当前位置、 方向指示器的显示状态、前照灯的点亮状态、雨刷器的工作状态等车辆的行 驶状态的行驶数据。例如，如CAN(Controller Area Network)那样的车载网 络、导航装置、激光雷达、摄像机等。特别是，行驶状态检测部3检测车辆 的制动器踏板及加速器踏板的操作量和车辆的速度及减速度以作为用于检测 车辆的减速开始和停止的数据。

行驶环境检测部5检测表示车辆所行驶的道路的车道数量、限制速度、 道路坡度、道路曲率、车辆前方的信号灯的显示状态、到车辆前方的交叉路 口的距离、车辆前方的交叉路口的预定行进路线、有无临时停止限制等车辆 正在行驶的环境的环境信息。例如是搭载在车辆上的摄像机、激光雷达、导 航装置。另外，也可以利用路车间通信来检测车辆前方的信号灯的显示状态 以及有无临时停止限制。另外，从导航装置以及方向指示器的显示状态等获 取车辆前方的交叉路口的预定行进路线。进而，从照度传感器、外部气温传 感器、雨刷器开关分别获取车辆周围的照度、气温、天气状态。但是，照度 也可以从前照灯的开关获取。

驾驶切换开关7搭载在车辆上，是通过车辆的乘员进行操作而进行自动 驾驶和手动驾驶的切换的开关。例如，设置在车辆的方向盘上的开关。

控制状态呈现部9将当前的控制状态是手动驾驶还是自动驾驶显示在仪 表显示部或导航装置的显示画面、平视显示器等上。另外，还输出传达自动 驾驶的开始、结束的语音通知，还呈现行驶特性的学习是否结束。

致动器11接收来自驾驶控制装置1的执行指令，驱动车辆的加速器、制 动器、方向盘等各部件。

接着，对构成驾驶控制装置1的各部分进行说明。学习用数据存储部21 从行驶状态检测部3和行驶环境检测部5获取与车辆的行驶状态有关的行驶 数据和与车辆周围的行驶环境有关的环境信息，并存储行驶特性学习处理所 需的数据。特别是，学习用数据存储部21存储在手动驾驶中在交叉路口停止 时的制动距离的学习中使用的不存在前行车时的行驶数据。此时，学习用数 据存储部21将不存在前行车时的行驶数据与车辆的行驶状态以及行驶环境相 关联地进行存储。作为存储的行驶数据，是不存在前行车时车辆在交叉路口停止时的减速开始速度、以及不存在前行车时车辆在交叉路口停止时的制动 距离等数据。此外，存储车辆的制动器踏板及加速器踏板的操作量、车辆的 速度及减速度、到交叉路口的停止线的距离等数据。另外，还存储环境信息。 作为环境信息，是车辆行驶的道路的车道数量、道路曲率、限制速度、道路 坡度、有无临时停止限制或信号灯的显示状态、方向指示器的显示状态、车 辆周边的天气、气温或照度等。

行驶特性学习部23读取由学习用数据存储部21存储的行驶数据，考虑 行驶状态及来自行驶环境的影响程度而学习车辆的行驶特性。特别是，优先 使用不存在行驶在车辆前方的前行车时的行驶数据，学习车辆的行驶特性中 在交叉路口停止时的制动距离。此时，行驶特性学习部23从手动驾驶中的行 驶数据中筛选出不存在前行车时的行驶数据，并使用筛选出的不存在前行车 时的行驶数据进行学习。即，仅使用不存在前行车时的行驶数据，学习车辆 在交叉路口停止时的制动距离。另外，行驶特性学习部23考虑车辆正在行驶的环境的环境信息进行学习，并对车辆的每个行程进行学习。进而，也可以 基于在交叉路口停止时的制动距离的学习结果，判断驾驶员的驾驶风格。这 样计算出的学习结果随时存储在行驶特性学习部23中。

自动驾驶控制执行部25在成为自动驾驶区间的情况下或驾驶员通过驾驶 切换开关7选择了自动驾驶的情况下，执行自动驾驶控制。此时，自动驾驶 控制执行部25将由行驶特性学习部23学习到的学习结果适用于自动驾驶的 行驶特性。特别是，将在交叉路口停止时的制动距离的学习结果适用于自动 驾驶时的制动距离。

另外，驾驶控制装置1由包括微型计算机、微处理器、CPU在内的通用 的电子电路和存储器等外围设备构成。然后，通过执行特定的程序，作为上 述的学习用数据存储部21、行驶特性学习部23、自动驾驶控制执行部25进 行动作。这样的驾驶控制装置1的各功能可以通过一个或多个处理电路来实 现。处理电路例如包括含有电路的处理装置等的被编程的处理装置，另外， 还包括以执行实施例中描述的功能的方式被改编成面向特定用途的专用集成 电路(ASIC)或传统的电路部件那样的装置。

(行驶特性学习处理的顺序)

接着，参照图2的流程图说明本实施方式的驾驶控制装置1的行驶特性 学习处理的顺序。图2所示的行驶特性学习处理在车辆的点火开关接通时开 始。

如图2所示，首先在步骤S101中，学习用数据存储部21根据驾驶切换 开关7的状态判断车辆是否为手动驾驶。在车辆为手动驾驶的情况下进入步 骤S103，在为自动驾驶的情况下，结束行驶特性学习处理而执行自动驾驶控 制。

在步骤S103中，学习用数据存储部21从行驶状态检测部3以及行驶环 境检测部5检测与车辆的行驶状态相关的行驶数据和与车辆周围的行驶环境 相关的环境信息。作为检测出的行驶数据，检测出车速、转向角、加速度、 减速度、与前行车的车间距离、与前行车的相对速度、当前位置、前方交叉 路口的预定行进路线、制动器踏板及加速器踏板的操作量、前照灯的点亮状 态、雨刷器的动作状态等。另外，作为环境信息，检测出车辆行驶的道路的 车道数量、道路曲率、限制速度、道路坡度、有无临时停止限制或信号灯的 显示状态、从车辆到交叉路口的停止线的距离、车辆的方向指示器的显示状 态、车辆周边的天气、气温或照度等。

在步骤S105中，学习用数据存储部21判断是否不存在行驶在车辆前方 的前行车。作为是否不存在前行车的判断方法，除了未检测出前行车的情况 以外，也可以在检测出前行车的情况下但车辆与前行车之间的车间距离为规 定值(例如50m)以上的情况下，判断为不存在前行车。然后，在判断为不 存在前行车的情况下，进入步骤S107，在判断为不是不存在前行车的情况下， 返回步骤S103。

在步骤S107中，学习用数据存储部21判断车辆的当前行驶状态是否与 排除因素一致。排除因素是指确定了不适当获取行驶特性的学习中使用的数 据的情况的因素。作为排除因素有以下2个：(A)车辆在交叉路口停止时最 大减速度为规定值(例如0.3G)以上；(B)车辆在交叉路口停止时减速开 始速度为规定值(例如10km/h)以下。学习用数据存储部21在与这些排除因 素不一致的情况下进入步骤S109，在一致的情况下返回步骤S103。

这样，通过适用排除因素(A)能够排除无意中施加急刹车时的数据，通 过适用排除因素(B)能够排除低速爬行下的起步后那样的极低速的数据。因 此，通过设定这些排除因素(A)、(B)能够获取处于通常的减速状态时的 行驶数据。另外，这些排除因素不是必须适用的因素，也可以根据状况不适 用。

在步骤S109中，学习用数据存储部21将由步骤S103检测出并在步骤 S105、S107的处理中筛选出的行驶数据和环境信息，作为学习用数据进行存 储。另外，在本实施方式中，对预先筛选出数据后再进行存储的情况进行了 说明，但也可以在将手动驾驶中的数据先临时全部存储之后，再实施上述的 步骤S105、107的处理进行筛选。

在此，图3表示由学习用数据存储部21存储的学习用数据的一例。如图 3所示，在学习用数据中记录有制动距离Db、减速开始速度Vb、x1～x6的数 据。制动距离Db是在不存在前行车时车辆在交叉路口停止时的制动距离，如 图4所示，是从开始减速的时刻t1到速度变为0的行驶距离。另外，减速开 始速度Vb是在不存在前行车时车辆在交叉路口停止时的减速开始速度。如图 4所示，减速开始是从通过制动器的开始而接通制动器开关之后到车辆的加速 度变为-0.1G以下(减速度为0.1G以上)的时刻t1，将此时的速度作为减速 开始速度Vb。这样，通过将减速开始设定为加速度成为规定值以下的时刻t1， 能够排除空转距离而提取基于驾驶员的意图的减速开始的时刻。另外，加速 度可以通过对加速度传感器的输出值进行滤波而求出，也可以通过速度的微 分值而求出。另外，也可以用S形函数或逻辑函数等对速度进行近似，将速 度的变化拐点作为减速开始点。

另外，x1～x6是基于环境信息设定的数据，按照图5所示的设定方法设 定0或1的值。例如，x1在获取了图3所示的制动距离Db和减速开始速度 Vb的数据时，在车辆行驶的道路的曲率为规定值以上的情况下设定为1，在 曲率小于规定值的情况下设定为0。另外，也可以用限制速度来代替道路曲率。 例如，在车辆行驶的道路的限制速度为规定值(40或50km/h)以上的情况下 设定为1，在限制速度小于规定值的情况下设定为0。

进而，x2在车辆在下坡路行驶的情况下设定为1，除此以外(平坦路和 上坡路)的情况下设定为0，x3在车辆前方的信号灯为红色信号的情况下设 定为1，除此以外的情况下(绿色信号或无信号灯)设定为0。但是，红色信 号中也可以包含黄色信号。另外，x4在夜间的情况下设定为1，除此之外的 情况下设定为0。是否为夜间的判断只要根据前照灯的点亮状态来判断即可。 另外，x5在车辆周围的天气是恶劣天气的情况下设定为1，在不是恶劣天气 的情况下设定为0。作为是否为恶劣天气的判断方法，在车辆的雨刷器被设定 为断开或间歇的情况下判断为不是恶劣天气，在雨刷器为接通的情况下判断 为是恶劣天气。此时，也可以追加气温或照度等条件。气温在外部气温传感 器为负的情况下设定为1，在为正的情况下设定为0。由此，能够应对路面冻 结引起的特性差异。照度在照度传感器亮的情况下设定为1，暗的情况下设定 为0即可。也可以不是根据照度传感器而是根据有无前照灯的点亮来设定。 另外，x6在用于车辆的左右转的方向指示器为接通的情况下设定为1，在方 向指示器为断开的情况下设定为0。

另外，在图5中记载了分类为0或1的2个阶段的情况，但也可以分类 为3个阶段或其以上的多个阶段。这样，在图3所示的学习用数据中，制动 距离Db和减速开始速度Vb的行驶数据与x1～x6的环境信息相关联。因此， 在本实施方式中，使用制动距离Db和减速开始速度Vb的行驶数据来学习行 驶特性，进而使车辆行驶的环境与制动距离相对应而学习行驶特性。

另外，由于作为学习用数据存储的数据在上述步骤S105、S107的处理中进行了筛选，因此能够抑制数据的偏差。图6表示在不存在前行车时的减速开始速度与制动距离之间的关系的数据的一例。另一方面，图7表示在未实 施步骤S105的处理的情况下、即不仅是不存在前行车时还包括存在前行车的 情况下的减速开始速度与制动距离之间的关系的数据的一例。从图7可知， 在不限定于不存在前行车时的情况下，由于驾驶员依赖于前行车的减速，因 此数据较大地偏差。因此，即使学习减速开始速度与制动距离的关系，也无 法提高学习精度。与此相对，在限定为不存在前行车时的情况下，驾驶员不 依赖于前行车而进行制动，因此，如图6所示能够抑制数据的偏差。由此， 在限定为不存在前行车时的情况下，能够高精度地学习捕捉了驾驶员的感觉 的制动距离，从而能够提高学习精度。

在步骤S111中，学习用数据存储部21判断是否已存储了规定量的学习 用数据，在小于规定量的情况下返回步骤S103，在已累积了规定量以上的情 况下进入步骤S113。

在步骤S113中，行驶特性学习部23学习车辆的行驶特性。特别是，使 用不存在行驶在车辆前方的前行车时的行驶数据，学习行驶特性中车辆在交 叉路口停止时的制动距离。在制动距离的学习中，例如使用图3所示的数据 集，生成以下的式(1)所示的多重回归模型进行学习。

(式1)

Db＝(c0+c1x1+c2x2+c3x3+c4x4+c5x5+c6x6)Vb²+dVb (1)

在式(1)中，Vb为减速开始速度，Db为根据模型计算出的制动距离。 x1～x6为环境因素，c0～c6、d为通过学习获得的系数。这样，式(1)所示 的多重回归模型表示车辆因环境因素而在交叉路口停止时的制动距离变动的 情况。

另外，式(1)的多重回归模型也对应于减速开始行动的不同类型。如下 所示，式(1)可以如式(2)那样表示，可以根据式(1)和式(2)如式(3) 那样表示。

(式2)

Db＝Vb²/2a+dVb (2)

(式3)

a＝1/2(c0+c1x1+c2x2+c3x3+c4x4+c5x5+c6x6) (3)

式(2)、(3)中，a表示平均减速度(m/s²)，式(1)、(2)中，d 表示TTI(Time tointersection：假设为以制动开始时的速度继续前行的情况 下的到达交叉路口的到达时间)。

另外，减速开始行动的类型根据驾驶员而不同，例如存在如图8所示那 样不依赖于速度而以使平均减速度大致恒定的方式开始制动的类型、和如图9 所示那样以使TTI大致恒定的方式(即，速度越高减速度越高的方式)开始 制动的类型。前者的类型是在式(1)中Vb²的系数较大，后者的类型是Vb 的系数较大。另外，与后者的类型相比，前者的类型具有平均减速度较小、 制动距离较长的趋势。图8和图9表示了极端的例子，但也存在采取其中的 行动的驾驶员。式(1)的多重回归模型是利用Vb²和Vb的系数而能够将环 境因素与个人的减速行为类型的差异相对应的模型。

式(1)的系数中，如图5所示，c0、d是按个人设定的基准值。c0是x1～ x6的值为0的情况下的减速度的平均值，d是对TTI的依赖程度(即，与速 度对应的减速度的变更程度)。d对TTI的依赖度越高，其值就越接近1。

行驶特性学习部23使用图3所示的学习用数据进行多重回归分析，计算 出式(1)的c0～c6的系数。这里使用的学习用数据仅是图6所示的不存在 前行车时的行驶数据，因此，能够抑制偏差，作为其结果，根据式(1)计算 出的交叉路口停止时的制动距离Db成为图6的二次曲线F。这样，在本实施 方式中，仅使用不存在前行车时的行驶数据，以二次曲线学习在交叉路口停 止时的制动距离，因此，能够高精度地学习捕捉了驾驶员的感觉的制动距离。

另外，如式(1)所示，在本实施方式中，能够根据c1x1～c6x6的各项 考虑车辆正在行驶的环境的环境信息来进行学习。即，能够基于环境信息修 正制动距离。另外，在本实施方式中，将c1x1～c6x6的各项设为Vb²的系数， 但也可以设为Vb的系数。

另外，学习用数据可以使用多个行程的数据，也可以仅使用1个行程的 数据。在仅1个行程中环境因素的数据不完整的情况下，对于环境因素的系 数也可以使用多个行程的学习用数据进行计算，对于成为基准的c0的系数也 可以使用行程内的学习用数据进行计算。该情况下，该日的行程与其他的行 程相比，即使处于谨慎趋势的情况下或处于急促趋势的情况下，也能够提供 没有不适感的学习结果。

另外，制动距离有时在每个行程中具有不同的特性。例如，当存在同乘 者时或有装载物时，因对同乘者或装载物等的考虑而变为谨慎驾驶，有时会 抑制减速度而使制动距离变长。另外，在急于前往目的地时，会形成积极的 驾驶趋势，由于允许高的减速度有时制动距离会变短。存在这样在驾驶时的 心情和条件下允许的减速度和制动距离不同的情况。于是，通过对每个行程 进行多重回归分析，能够获得每个行程的制动距离的特性。进而，通过利用 针对每个行程学习的制动距离的特性进行自动驾驶时的制动距离的控制，能 够提供与该行程中的驾驶员的心情和条件相符的自动驾驶控制。

在此，在车辆行驶的道路为弯道的情况下，由于式(1)的x1为1，因此 式(1)的制动距离Db成为比不是弯道的情况更大的值。因此，在车辆行驶 的道路为弯道的情况下，制动距离Db被修正为比不是弯道的情况更长。另外， 也可以使用限制速度较高的情况来代替道路为弯道的情况，因此，在车辆行 驶的道路的限制速度为规定值以上的情况下，制动距离Db被修正为比限制速 度比规定值低的情况更长。

同样地，在车辆在下坡路行驶的情况下，由于式(1)的x2为1，因此， 式(1)的制动距离Db成为比在上坡路行驶的情况更大的值。因此，在车辆 在下坡路行驶的情况下，制动距离Db被修正为比在上坡路行驶的情况更长。

另外，在车辆前方的信号灯为红色信号的情况下，由于式(1)的x3为1， 因此，式(1)的制动距离Db为比红色信号以外的情况更大的值。因此，在 车辆前方的信号灯为红色信号的情况下，制动距离Db被修正为比红色信号以 外的情况更长。

进而，在车辆在夜间行驶的情况下，由于式(1)的x4为1，因此，式(1) 的制动距离Db成为比非夜间的情况更大的值。因此，在车辆在夜间行驶的情 况下，制动距离Db被修正为比非夜间行驶的情况更长。

另外，在车辆周边的天气为恶劣天气的情况下，由于式(1)的x5为1， 因此，式(1)的制动距离Db成为比非恶劣天气的情况更大的值。因此，在 车辆的周边为恶劣天气的情况下，制动距离Db被修正为比非恶劣天气的情况 更长。

进而，在方向指示器为接通而车辆进行左右转的情况下，由于式(1)的 x6为1，因此，式(1)的制动距离Db成为比方向指示器为断开而不进行左 右转的情况更大的值。因此，在车辆进行左右转的情况下，制动距离Db也可 以修正为比不进行左右转的情况更长。

除了如上所述的行驶特性的学习之外，行驶特性学习部23也可以基于制 动距离的学习结果，判断驾驶员的驾驶风格。制动距离的特性有时显示出与 驾驶员个人的驾驶风格一致的趋势。例如，式(1)中的Vb²的系数c0反映 了驾驶员的谨慎度，如图10所示，c0的值越高谨慎度越高。即，由于c0高 (谨慎度高)的驾驶员平均减速度低、制动距离长，因此，能够判断为在交 叉路口提前开始减速而为谨慎。图10表示系数c0越大，谨慎度越大。

另外，由于存在c0越高则Vb的系数d越小的趋势，因此，如图11所示， 也可以判断为d的值越小，则谨慎度越高。另外，如图12所示，也可以使用 多重回归模型的决定系数R²判断驾驶员的细心度。决定系数是表示多重回归 模型的适用程度的值，越接近1，数据的偏差越少，表示很好地适用于模型。 即，决定系数越高，则认为制动距离总是一定的，能够判断为驾驶员细心。 这样判断的个人驾驶风格，既可以提供给驾驶员自身，也可以运用外部服务 器与其他驾驶员进行比较，判断在整体中是何种程度的细心趋势，向驾驶员 或管理者提供信息。

在步骤S115中，行驶特性学习部23将计算出的式(1)的c0～c6的系 数作为学习结果进行存储，并结束本实施方式的行驶特性学习处理。

(自动驾驶控制处理的顺序)

接着，参照图13的流程图对本实施方式的驾驶控制装置1的自动驾驶控 制处理的顺序进行说明。

如图13所示，在步骤S201中，自动驾驶控制执行部25通过图2所示的 行驶特性学习处理，判断在交叉路口停止时的制动距离的学习是否完成。在 学习完成的情况下进入步骤S203，在学习未完成的情况下进入步骤S211。

首先，对制动距离的学习完成的情况进行说明。在步骤S203中，自动驾 驶控制执行部25从行驶状态检测部3和行驶环境检测部5检测出与车辆的行 驶状态相关的行驶数据和与车辆周围的行驶环境相关的环境信息。

在步骤S205中，自动驾驶控制执行部25基于学习结果设定在交叉路口 停止时的制动距离。具体而言，通过将作为学习结果的c0～c6的系数设定于 式(1)、(2)，并将检测出的减速开始速度输入到式(1)中，由此计算出 在交叉路口停止时的制动距离Db。然后，自动驾驶控制执行部25将计算出 的制动距离Db设定为适用于自动驾驶的制动距离。即，将制动距离的学习结 果适用于自动驾驶时的制动距离。

在步骤S207中，自动驾驶控制执行部25使用所设定的制动距离来执行 自动驾驶控制。具体而言，自动驾驶控制执行部25向致动器11发送控制执 行指令，执行自动驾驶所需的加速器、制动器、转向器等的操作。

在步骤S209中，自动驾驶控制执行部25判断自动驾驶是否结束，在未 结束的情况下返回步骤S203继续自动驾驶。另一方面，在自动驾驶切换为手 动驾驶而自动驾驶结束的情况下，结束本实施方式的自动驾驶控制处理。

接着，对制动距离的学习未完成的情况进行说明。在步骤S211中，自动 驾驶控制执行部25从行驶状态检测部3和行驶环境检测部5检测出与车辆的 行驶状态相关的行驶数据和与车辆周围的行驶环境相关的环境信息。

在步骤S213中，自动驾驶控制执行部25设定预先设定的规定值作为在 交叉路口停止时的制动距离。该规定值使用一般的制动距离的值或平均值即 可。

在步骤S215中，自动驾驶控制执行部25使用所设定的制动距离来执行 自动驾驶控制。具体而言，自动驾驶控制执行部25向致动器11发送控制执 行指令，执行自动驾驶所需的加速器、制动器、转向器等的操作。

在步骤S217中，自动驾驶控制执行部25判断自动驾驶是否结束，在未 结束的情况下返回步骤S211继续自动驾驶。另一方面，在自动驾驶切换为手 动驾驶而自动驾驶结束的情况下，结束本实施方式的自动驾驶控制处理。

(实施方式的效果)

如以上详细说明的那样，在本实施方式的行驶辅助方法中，在可切换基 于驾驶员的手动驾驶和自动驾驶的车辆中，优先学习车辆前方不存在前行车 时的制动距离。由此，不在依赖于前行车的减速的状况下学习制动距离，从 而能够高精度地学习捕捉了驾驶员的感觉的制动距离。

另外，在本实施方式的行驶辅助方法中，仅学习车辆前方不存在前行车 时的制动距离。由此，能够排除依赖于前行车的减速的状况而学习制动距离， 从而能够高精度地学习捕捉了驾驶员的感觉的制动距离。

另外，在本实施方式的行驶辅助方法中，使用不存在前行车时车辆在交 叉路口停止时的减速开始速度、和不存在前行车时车辆在交叉路口停止时的 制动距离进行学习。由此，不使用依赖于前行车的减速的状况的行驶数据， 从而能够高精度地学习捕捉了驾驶员的感觉的制动距离。

另外，在本实施方式的行驶辅助方法中，将不存在前行车时车辆在交叉 路口停止时的减速开始速度与不存在前行车时车辆在交叉路口停止时的制动 距离的关系用二次曲线模型化。由此，能够正确地掌握减速开始速度与制动 距离的关系，从而能够高精度地学习捕捉了驾驶员的感觉的制动距离。

另外，在本实施方式的行驶辅助方法中，根据制动器踏板的操作、加速 器踏板的操作、车辆的减速度中的至少一个检测车辆的减速开始。由此，能 够可靠地获取驾驶员开始减速时的行驶数据。特别是，由于制动器踏板被操 作时为明确的减速操作，因此能够获取偏差最小的行驶数据。另外，如果获 取未操作加速器踏板时的行驶数据，则还能够获取包含减速准备行动的数据 的行驶数据。另外，如果在减速度为规定值以上的情况下判断为减速开始， 则能够检测出所有情况下的减速操作。

另外，在本实施方式的行驶辅助方法中，在车辆的速度成为规定值以下 的情况下检测车辆的停止。由此，能够可靠地检测车辆的停止，高精度地学 习制动距离。

另外，在本实施方式的行驶辅助方法中，将从车辆的减速开始到交叉路 口的停止线为止的距离作为制动距离。由此，能够不受车辆实际停止的位置 影响而求出制动距离。

另外，在本实施方式的行驶辅助方法中，在未检测到前行车的情况和车 辆与前行车之间的车间距离为规定值以上的情况下，判断为不存在前行车。 由此，能够可靠地获取不存在前行车时的行驶数据。

另外，在本实施方式的行驶辅助方法中，不使用车辆在交叉路口停止时 最大减速度为规定值以上的制动距离。由此，能够排除施加了不希望的紧急 制动时的行驶数据，因此，能够使用稳定的状态时的行驶数据高精度地进行 学习。

进而，在本实施方式的行驶辅助方法中，不使用车辆在交叉路口停止时 减速开始速度为规定值以下的制动距离。由此，能够排除低速爬行下的起步 后那样的极低速的行驶数据，因此，能够使用稳定的状态时的行驶数据高精 度地进行学习。

另外，在本实施方式的行驶辅助方法中，使车辆行驶的环境与制动距离 对应地进行学习。在交叉路口停止时的制动距离根据环境条件而具有不同的 特性。因此，通过进行考虑了车辆所行驶的环境的多重回归分析，能够进行 反映了环境条件的制动距离的学习。

进而，在本实施方式的行驶辅助方法中，作为车辆行驶的环境，使用车 辆行驶的道路的车道数量、道路曲率、限制速度、道路坡度、有无临时停止 限制或信号灯的显示状态。另外，使用车辆的方向指示器的显示状态、车辆 周边的天气、气温或照度。由此，能够个别地具体反映不同的环境条件来学 习制动距离。

另外，在本实施方式的行驶辅助方法中，在将学习结果适用于自动驾驶 的行驶特性的情况下，判断车辆是否在下坡路行驶，在车辆在下坡路行驶的 情况下，以使制动距离比在上坡路行驶的情况更长的方式设定行驶特性。由 此，能够在制动困难的下坡路中提高安全性，因此，能够给驾驶员带来安心 感。

进而，在本实施方式的行驶辅助方法中，在将学习结果适用于自动驾驶 的行驶特性的情况下，判断车辆是否进行左右转，在车辆进行左右转的情况 下，以使制动距离比不进行左右转的情况更长的方式设定行驶特性。由此， 在进行左右转的情况下能够提高安全性，因此，能够给驾驶员带来安心感。

另外，在本实施方式的行驶辅助方法中，在将学习结果适用于自动驾驶 的行驶特性的情况下，判断车辆前方的信号灯是否为红色信号，在车辆前方 的信号灯为红色信号的情况下，以使制动距离比红色信号以外的情况更长的 方式设定行驶特性。由此，在需要停止的红色信号时能够提高安全性，因此， 能够给驾驶员带来安心感。

进而，在本实施方式的行驶辅助方法中，在将学习结果适用于自动驾驶 的行驶特性的情况下，判断车辆行驶的道路是否为弯道，在车辆行驶的道路 为弯道的情况下，以使制动距离比不是弯道的情况更长的方式设定行驶特性。 由此，能够在弯道且视野差的道路上提高安全性，因此，能够给驾驶员带来 安心感。

另外，在本实施方式的行驶辅助方法中，在将学习结果适用于自动驾驶 的行驶特性的情况下，判断车辆是否在夜间行驶，在车辆在夜间行驶的情况 下，以使制动距离比非夜间的情况更长的方式设定行驶特性。由此，能够在 黑暗且视野差的夜间提高安全性，因此，能够给驾驶员带来安心感。

进而，在本实施方式的行驶辅助方法中，在将学习结果适用于自动驾驶 的行驶特性的情况下，判断车辆周边的天气是否为恶劣天气，在车辆周边的 天气为恶劣天气的情况下，以使制动距离比非恶劣天气的情况更长设定行驶 特性。由此，在车辆周边为恶劣天气时能够提高安全性，因此，能够给驾驶 员带来安心感。

另外，在本实施方式的行驶辅助方法中，在将学习结果适用于自动驾驶 的行驶特性的情况下，判断车辆正在行驶的道路的限制速度是否为规定值以 上，在车辆正在行驶的道路的限制速度为规定值以上的情况下，以使制动距 离比限制速度低于规定值的情况更长的方式设定行驶特性。由此，能够在车 速变高的道路上提高安全性，因此，能够给驾驶员带来安心感。

进而，在本实施方式的行驶辅助方法中，基于制动距离的学习结果判断 驾驶员的驾驶风格。由此，能够知道驾驶员的定性趋势，从而通过在手动驾 驶时作为参考而能够提高安全性。

另外，在本实施方式的行驶辅助方法中，在车辆的外部具备外部服务器， 并利用该外部服务器学习制动距离。由此，能够减轻车辆中的处理负荷。

进而，在本实施方式的行驶辅助方法中，将制动距离的学习结果适用于 车辆自动驾驶时的制动距离。由此，能够将使用不存在前行车时的行驶数据 而学习到的制动距离适用于自动驾驶，因此，能够提供捕捉了驾驶员的感觉 的自动驾驶。

另外，上述实施方式是本发明的一例。因此，本发明并不限于上述实施 方式，即使是该实施方式以外的方式，只要在不脱离本发明的技术思想的范 围内，当然也可以根据设计等进行各种变更。

符号说明

1驾驶控制装置

3 行驶状态检测部

5 行驶环境检测部

7 驾驶切换开关

9 控制状态呈现部

11 致动器

21 学习用数据存储部

23 行驶特性学习部

25 自动驾驶控制执行部

100 驾驶控制系统

Claims (24)

1.一种驾驶控制装置的行驶辅助方法，在可切换基于驾驶员的手动驾驶和自动驾驶的车辆中，学习驾驶员的手动驾驶中的在交叉路口停止时的制动距离，并将该学习结果适用于在交叉路口停止时的自动驾驶的行驶特性，其特征在于，

判断所述车辆的前方是否存在前行车，

在判定为不存在的情况下，学习所述车辆的前方不存在前行车时的制动距离。

2.如权利要求1所述的行驶辅助方法，其特征在于，

在检测出所述车辆的前方的前行车，且所述车辆与所述前行车之间的车间距离为规定值以上的情况下，学习制动距离。

3.如权利要求1所述的行驶辅助方法，其特征在于，

仅学习所述车辆的前方不存在前行车时的制动距离。

4.如权利要求1所述的行驶辅助方法，其特征在于，

使用所述车辆的前方不存在前行车时所述车辆在交叉路口停止时的减速开始速度、和所述车辆的前方不存在前行车时所述车辆在交叉路口停止时的制动距离进行学习。

5.如权利要求1或2所述的行驶辅助方法，其特征在于，

学习所述车辆的前方不存在前行车时所述车辆在交叉路口停止时的减速开始速度、与所述车辆的前方不存在前行车时所述车辆在交叉路口停止时的制动距离的关系。

6.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

根据制动器踏板的操作、加速器踏板的操作、所述车辆的减速度中的至少一个，检测所述车辆的减速开始。

7.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在所述车辆的速度成为规定值以下的情况下，检测出所述车辆的停止。

8.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

将从所述车辆的减速开始到交叉路口的停止线为止的距离作为所述制动距离。

9.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在未检测出所述车辆的前方的前行车的情况和所述车辆与前行车之间的车间距离为规定值以上的情况下，判断为不存在前行车。

10.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

不使用所述车辆在交叉路口停止时最大减速度成为规定值以上的制动距离。

11.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

不使用所述车辆在交叉路口停止时减速开始速度成为规定值以下的制动距离。

12.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

使所述车辆行驶的环境与所述制动距离相对应而进行学习。

13.如权利要求12所述的行驶辅助方法，其特征在于，

所述车辆行驶的环境是所述车辆行驶的道路的车道数量、道路曲率、限制速度、道路坡度、有无临时停止限制或信号灯的显示状态、所述车辆的方向指示器的显示状态、所述车辆周边的天气、气温或照度中的至少一个。

14.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在将所述学习结果适用于自动驾驶的行驶特性的情况下，

判断所述车辆是否在下坡路行驶，

在所述车辆在下坡路行驶的情况下，以使所述制动距离比在上坡路行驶的情况更长的方式设定行驶特性。

15.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在将所述学习结果适用于自动驾驶的行驶特性的情况下，

判断所述车辆是否在进行左右转，

在所述车辆进行左右转的情况下，以使所述制动距离比不进行左右转的情况更长的方式设定行驶特性。

16.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在将所述学习结果适用于自动驾驶的行驶特性的情况下，

判断所述车辆的前方的信号灯是否为红色信号，

在所述车辆的前方的信号灯为红色信号的情况下，以使所述制动距离比红色信号以外的情况更长的方式设定行驶特性。

17.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在将所述学习结果适用于自动驾驶的行驶特性的情况下，

判断所述车辆行驶的道路是否为弯道，

在所述车辆行驶的道路为弯道的情况下，以使所述制动距离比不是弯道的情况更长的方式设定行驶特性。

18.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在将所述学习结果适用于自动驾驶的行驶特性的情况下，

判断所述车辆是否在夜间行驶，

在所述车辆在夜间行驶的情况下，以使所述制动距离比非夜间的情况更长的方式设定行驶特性。

19.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在将所述学习结果适用于自动驾驶的行驶特性的情况下，

判断所述车辆周边的天气是否为恶劣天气，

在所述车辆周边的天气是恶劣天气的情况下，以使所述制动距离比非恶劣天气的情况更长的方式设定行驶特性。

20.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在将所述学习结果适用于自动驾驶的行驶特性的情况下，

判断所述车辆行驶的道路的限制速度是否在规定值以上，

在所述车辆行驶的道路的限制速度为规定值以上的情况下，以使所述制动距离比所述限制速度低于规定值的情况更长的方式设定行驶特性。

21.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

基于所述制动距离的学习结果，判断驾驶员的驾驶风格。

22.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

在所述车辆的外部具备外部服务器，通过所述外部服务器学习所述制动距离。

23.如权利要求1～4中任一项所述的行驶辅助方法，其特征在于，

将所述制动距离的学习结果适用于所述车辆自动驾驶时的制动距离。

24.一种驾驶控制装置，在可切换基于驾驶员的手动驾驶和自动驾驶的车辆中，学习驾驶员的手动驾驶中的在交叉路口停止时的制动距离，并将该学习结果适用于在交叉路口停止时的自动驾驶的行驶特性，其特征在于，

判断所述车辆的前方是否存在前行车，

在判定为不存在的情况下，学习所述车辆的前方不存在前行车时的制动距离。

Images