JP2020026189A - Travel support method and travel support device - Google Patents
Travel support method and travel support device Download PDFInfo
- Publication number
- JP2020026189A JP2020026189A JP2018151345A JP2018151345A JP2020026189A JP 2020026189 A JP2020026189 A JP 2020026189A JP 2018151345 A JP2018151345 A JP 2018151345A JP 2018151345 A JP2018151345 A JP 2018151345A JP 2020026189 A JP2020026189 A JP 2020026189A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- travel
- plan
- weight
- actuator
- 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
Links
Images
Abstract
Description
本発明は、走行支援方法及び走行支援装置に関する。 The present invention relates to a driving support method and a driving support device.
従来、車両用アクティブサスペンションの制御方法として、現在の車両の挙動に基づき、評価関数を極小とする最適制御出力を算出して制御を行うことが知られている（特許文献１参照）。 2. Description of the Related Art Conventionally, as a control method of a vehicle active suspension, it is known to perform control by calculating an optimum control output that minimizes an evaluation function based on the current behavior of a vehicle (see Patent Document 1).
しかしながら、特許文献１の手法では、車両の将来の挙動が考慮されていないため、車両の挙動が動的に変化したときに車両の制御に遅れが生じる。
However, in the method of
上記問題点に鑑み、本発明は、車両の挙動が動的に変化する場合でも、車両の制御の遅れを軽減することができる走行支援方法及び走行支援装置を提供することを目的とする。 In view of the above problems, an object of the present invention is to provide a driving support method and a driving support device that can reduce a delay in control of a vehicle even when the behavior of the vehicle changes dynamically.
本発明の一態様に係る走行支援方法及び走行支援装置では、自車両の走行計画に従って走行する時の車両の挙動を予測し、走行計画に基づき、予測された車両の挙動に対する評価値を算出し、評価値に基づき、車両を制御するアクチュエータの制御量を算出することを特徴とする。 In the driving support method and the driving support device according to one aspect of the present invention, the behavior of the vehicle when traveling according to the traveling plan of the own vehicle is predicted, and an evaluation value for the predicted behavior of the vehicle is calculated based on the traveling plan. And calculating a control amount of an actuator for controlling the vehicle based on the evaluation value.
本発明の態様によれば、車両の走行計画に基づき、車両の将来の挙動を考慮して車両を制御することができため、車両の挙動が動的に変化する場合でも、車両の制御の遅れを軽減することができる走行支援方法及び走行支援装置を提供することができる。 According to the aspect of the present invention, the vehicle can be controlled in consideration of the future behavior of the vehicle based on the travel plan of the vehicle. Therefore, even when the behavior of the vehicle changes dynamically, the control of the vehicle is delayed. It is possible to provide a driving support method and a driving support device that can reduce the load.
以下、本発明の実施形態について、図面を参照しつつ説明する。なお、各図面は模式的なものであって、現実のものとは異なる場合がある。また、以下に示す本発明の実施形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、本発明の技術的思想は、構成部品の構造、配置等を下記のものに特定するものではない。本発明の技術的思想は、特許請求の範囲に記載された請求項が規定する技術的範囲内において、種々の変更を加えることができる。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. Note that the drawings are schematic and may differ from actual ones. The embodiments of the present invention described below exemplify an apparatus and a method for embodying the technical idea of the present invention. Is not specified as: The technical idea of the present invention can be variously modified within the technical scope defined by the claims described in the claims.
本発明の実施形態に係る走行支援装置１は、図１に示すように、車外環境センサ２、車両センサ３、ナビゲーションシステム４、走行制御装置５、アクチュエータ６及びコントローラ７を備える。本発明の実施形態に係る走行支援装置１は、例えば車両に搭載可能である。以下において、本発明の実施形態に係る走行支援装置１が搭載される車両を「自車両」と称する。
As shown in FIG. 1, the
車外環境センサ２は、自車両の外側の車外環境を検出するセンサである。車外環境センサ２の種類や数は適宜設定可能である。車外環境センサ２は、例えばレーザレンジファインダ（ＬＲＦ）やレーダ等の測距装置を含む。測距装置は、例えば、自車両の周囲に存在する物体、自車両と物体との相対位置、自車両と物体との距離を検出する。また、測距装置は、自車両と自車両の前方の路面との距離を検出してもよい。自車両の進行に伴って自車両の前方の路面を走査することにより、路面粗さ（路面の起伏状況）を測定できる。測距装置は、検出した測距データを車外環境情報として、走行制御装置５及びコントローラ７へ出力する。
The
車外環境センサ２は、例えばステレオカメラや単眼カメラ等のカメラを含む。カメラは、自車両の周囲に存在する物体や、車線境界線（例えば白線）等の道路標示、縁石やガードレール等の地物、前方の路面等を撮影した撮影データを車外環境情報として、走行制御装置５及びコントローラ７へ出力する。
The
車両センサ３は、自車両の現在の状態（挙動）を検出するセンサである。車両センサ３の種類や数は適宜設定可能である。車両センサ３は、例えば自車両のバネ上の車体の６軸運動、及びバネ下の上下方向、左右方向及び前後方向の３軸運動を自車両の現在の状態（挙動）として検出する。以下、上下方向、左右方向及び前後方向の３軸運動を「バウンス」と表記する。また、自車両の挙動は、例えば、バネ上のバウンスの変位と、バネ上のピッチ角の変位、ロール角の変位、及びヨー角の変位と、バネ下のバウンスの変位と、バネ上のバウンスの速度と、バネ上のピッチ角速度、ロール角速度、及びヨー角速度と、バネ下のバウンスの速度と、バネ上のバウンスの加速度と、バネ上のピッチ角加速度、ロール角加速度、及びヨー角加速度と、バネ下のバウンスの加速度とのうち、少なくとも１つを含む。
The
例えば車両センサ３は、バネ上のバウンスの変位と、バネ上のピッチ角の変位、ロール角の変位、及びヨー角の変位と、バネ下のバウンスの変位を検出してよい。更に、車両センサ３は、バネ上のバウンスの速度と、バネ上のピッチ角速度、ロール角速度、及びヨー角速度と、バネ下のバウンスの速度を検出してよい。更に、車両センサ３は、バネ上のバウンスの加速度と、バネ上のピッチ角加速度、ロール角加速度、及びヨー角加速度と、バネ下のバウンスの加速度を検出してよい。
For example, the
車両センサ３は、自車両の車輪速を検出する車輪速センサを含んでもよい。更に、車両センサ３は、自車両の車室内の乗員の配置、重さ及び動き、並びに車室内の荷物の配置、重さ及び動きを検出するカメラや圧力センサを含んでもよい。車両センサ３は、自車両の現在の状態を示す車両状態情報を走行制御装置５及びコントローラ７へ出力する。
The
ナビゲーションシステム４は、ナビコントローラ、測位装置、地図データベース、及び通信部を備える。ナビコントローラは、ナビゲーションシステム４の情報処理動作を制御する電子制御ユニット（ＥＣＵ）である。測位装置は、自車両の現在位置を測定する。測位装置は、例えば複数の航法衛星から電波を受信して自車両の現在位置を取得するＧＰＳ受信機等の全地球型測位システム（ＧＮＳＳ）受信機である。測位装置は、慣性航法装置であってもよい。
The
地図データベースは、高精度地図等の地図情報を記憶している。地図情報には、ノードとリンクで示される道路地図と、道路地図座標における道路種別（例えば一般道路や高速道路）、道路幅、道路形状、道路勾配、車線数、法定速度（制限速度）に関する情報とが少なくとも含まれている。例えば、道路地図における道路は道路毎にリンク番号で識別されており、リンク番号毎に道路種別、道路幅、道路形状、道路勾配、車線数、法定速度（制限速度）に関する情報が対応付けられている。更に、各道路の車線毎にリンク番号が設定されている。 The map database stores map information such as a high-precision map. The map information includes information on a road map indicated by nodes and links, a road type (for example, a general road or an expressway) in road map coordinates, a road width, a road shape, a road gradient, the number of lanes, and a legal speed (speed limit). And at least are included. For example, a road in a road map is identified by a link number for each road, and information on a road type, a road width, a road shape, a road gradient, the number of lanes, and a legal speed (speed limit) is associated with each link number. I have. Further, a link number is set for each lane of each road.
通信部は、自車両の外部の通信装置との間で無線通信を行う。通信部による通信方式は、例えば公衆携帯電話網による無線通信や、車車間通信、路車間通信、又は衛星通信であってよい。ナビゲーションシステム４は、通信部によって外部装置から道路地図データや、自車両の外側の車外環境の情報を取得してもよい。ナビゲーションシステム４は、例えば車外環境として、自車両の周囲の風の向きや風の強さの情報を取得してよい。ナビゲーションシステム４は、通信部によって外部装置から取得した車外環境の情報をコントローラ７へ出力する。
The communication unit performs wireless communication with a communication device outside the own vehicle. The communication method by the communication unit may be, for example, wireless communication using a public mobile phone network, vehicle-to-vehicle communication, road-to-vehicle communication, or satellite communication. The
ナビゲーションシステム４は、自車両の現在位置から目的地までの走行経路を設定し、設定した走行経路に従って乗員に経路案内を行う。走行経路は、車線単位で設定してもよく、道路単位で設定してもよい。更にナビゲーションシステム４は、設定した走行経路の情報を、自車両の走行計画として走行制御装置５及びコントローラ７へ出力する。例えば、ナビゲーションシステム４は、設定した走行経路の地図情報を走行制御装置５及びコントローラ７へ出力する。
The
走行制御装置５は、自車両の自動運転を行うＥＣＵである。ここで、本発明の実施形態における自動運転とは、加速、操舵及び制動の少なくともいずれかを自動で制御する走行制御を含み、加速、操舵及び制動のすべてを自動で制御する走行制御も含む。走行制御装置５は、自車両の自動運転時に、車外環境センサ２からの車外環境情報と、車両センサ３からの車両状態情報とに基づき、ナビゲーションシステム４により設定された走行経路を自車両に走行させる走行軌道（トラジェクトリ）を生成する。
The
走行制御装置５は、走行軌道を生成する際に、まず、ナビゲーションシステム４により設定された走行経路上を自車両が自動で走行するための運転行動計画を決定する。運転行動計画とは、自車両を走行させる車線と、この車線を走行させるのに要する運転行動とを定めた、中長距離の範囲における車線レベルでの運転行動の計画である。例えば運転行動計画は、前方に存在する交差点を右折するシーンにおいて、交差点の手前何ｍ地点で右折レーンに車線変更するか等の運転行動を定めた計画である。
When generating the traveling trajectory, the traveling
そして、走行制御装置５は、運転行動計画に従って自車両を走行させるための軌道候補を、自車両の運動特性等に基づき生成する。走行制御装置５は、軌道候補の各々の将来リスクを評価して、最適な軌道を選択し、自車両に走行させる走行軌道として設定する。走行軌道は、自車両の目標操舵角のほか、自車両の速度計画やそのための加減速を含む。走行制御装置５は、選択した走行軌道に基づき、アクチュエータ６に対して制御信号を出力することにより、アクチュエータ６を制御してもよい。
Then, the
更に、走行制御装置５は、運転行動計画及び走行軌道を、自車両の走行計画としてコントローラ７へ出力する。なお、走行制御装置５の機能の全部又は一部は、ナビゲーションシステム４又はコントローラ７に内蔵されていてもよい。また、走行制御装置５の代わりに、ナビゲーションシステム４が運転行動計画を決定及び走行軌道の設定を実行してもよい。この場合、ナビゲーションシステム４が、運転行動計画及び走行軌道を、自車両の走行計画としてコントローラ７へ出力してもよい。
Further, the traveling
更に、走行制御装置５は、走行計画に従って走行する時に予定されている自動運転レベルを走行計画としてコントローラ７へ出力する。自動運転レベルは、例えば、米国運輸省道路交通安全局（ＮＨＴＳＡ）により制定された基準で区分けできる。具体的に、自動運転レベル１では、加速、操舵及び制動のいずれかを自動で行う。自動運転レベル２では、加速、操舵及び制動のうち複数の操作を自動で行い、乗員に監視義務が課せられている。自動運転レベル３では、加速、操舵及び制動をすべて自動で行い、自動走行中には乗員に監視義務が課せられていないが、自動運転システムの要請により乗員が対応する。自動運転レベル４では、加速、操舵及び制動をすべて自動で行い、乗員は運転に全く関与しない。
Further, the
アクチュエータ６は、走行制御装置５又はコントローラ７からの電気的な制御信号を機械的な運動に変換して自車両を制御する駆動装置である。アクチュエータ６の種類及び数は適宜設定可能である。例えば、アクチュエータ６は、ステアリングアクチュエータ、アクセル開度アクチュエータ、ブレーキ制御アクチュエータ、及び能動型サスペンションを含む。
The
ステアリングアクチュエータは、走行制御装置５からの制御信号に応じて自車両の操舵角度を制御する。アクセル開度アクチュエータは、走行制御装置５からの制御信号に応じて自車両のアクセル開度を制御する。ブレーキ制御アクチュエータは、走行制御装置５からの制御信号に応じて自車両の制動量を制御する。能動型サスペンションは、車体側部材と車輪側部材との間に介装され、コントローラ７からの制御信号に応じて能動型サスペンションに設けられた油圧シリンダの作動圧が調整される。
The steering actuator controls the steering angle of the host vehicle according to a control signal from the
能動型サスペンションの一例を図２に示す。能動型サスペンション８は、車体側部材１０と車輪１１ＦＬ，１１ＦＲ，１１ＲＬ，１１ＲＲの各車輪側部材１４との間に各々介装されたアクチュエータとしての油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲと、油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲの作動圧を個別に調整する圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲを備える。
FIG. 2 shows an example of the active suspension. The
更に、能動型サスペンション８は、圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲに所定圧力の作動油を供給側配管２１Ｓを介して供給すると共に、圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲからの戻り油を戻り側配管２１Ｒを通じて回収する油圧源２２と、油圧源２２及び圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲ間の供給側配管２１Ｓに介挿された蓄圧用のアキュムレータ２４Ｆ，２４Ｒを備える。
Further, the
油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲのそれぞれは、シリンダチューブ１８ａを有する。シリンダチューブ１８ａには、軸方向に貫通孔を有するピストン１８ｃにより隔設された下側の圧力室Ｌが形成され、ピストン１８ｃの上下面の受圧面積差と内圧とに応じた推力を発生する。シリンダチューブ１８ａの下端が車輪側部材１４に取付けられ、ピストンロッド１８ｂの上端が車体側部材１０に取付けられている。
Each of the hydraulic cylinders 18FL, 18FR, 18RL, 18RR has a
圧力室Ｌの各々は、油圧配管３８を介して圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲの出力ポートに接続されている。また、油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲの圧力室Ｌの各々は、絞り弁３２を介してバネ下振動吸収用のアキュムレータ３４に接続されている。また、油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲの各々のバネ上、バネ下相当間には、比較的低いバネ定数であって車体の静荷重を支持するコイルスプリング３６が配設されている。圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲのそれぞれは、スプールを摺動自在に内装した円筒状の弁ハウジングとこれに一体的に設けられた比例ソレノイドとを有する３ポート比例電磁減圧弁で構成されている。
Each of the pressure chambers L is connected to an output port of a pressure control valve 20FL, 20FR, 20RL, 20RR via a
比例ソレノイドの励磁コイルに供給する指令電流ｉ（制御量）を調整することにより、弁ハウジング内に収容されたポペットの移動距離、即ちスプールの位置が制御される。これにより、供給ポート及び出力ポート又は出力ポート及び戻りポートを介して油圧源２２と油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲとの間で流通する作動油が制御される。このように、能動型サスペンション８では、圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲの指令電流ｉ（制御量）を調整して油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲが発生する推力を制御することにより、自車両の車体挙動を抑制する。
By adjusting the command current i (control amount) supplied to the exciting coil of the proportional solenoid, the moving distance of the poppet accommodated in the valve housing, that is, the position of the spool is controlled. Thereby, the hydraulic oil flowing between the
図３は、励磁コイルに加えられる指令電流ｉ（：ｉＦＬ，ｉＦＲ，ｉＲＬ，ｉＲＲ）と圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲの出力ポートから出力される制御圧Ｐとの関係を示す。ノイズを考慮した最小電流値ｉＭＩＮのときには、制御圧Ｐは最低制御圧ＰＭＩＮとなり、この状態から電流値ｉを増加させると、電流値ｉに比例して直線的に制御圧Ｐが増加し、最大電流値ｉＭＡＸのときには、油圧源２２の設定ライン圧に相当する最高制御圧ＰＭＡＸとなる。参照符号ｉＮは中立指令電流，参照符号ＰＮは中立制御圧を示す。
FIG. 3 shows the relationship between the command current i (: iFL, iFR, iRL, iRR) applied to the excitation coil and the control pressure P output from the output ports of the pressure control valves 20FL, 20FR, 20RL, 20RR. At the time of the minimum current value iMIN in consideration of noise, the control pressure P becomes the minimum control pressure PMIN. When the current value i is increased from this state, the control pressure P increases linearly in proportion to the current value i, When the current value is iMAX, the maximum control pressure PMAX is equivalent to the set line pressure of the
図１に示したコントローラ７は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro-Processing Unit）等のプロセッサと、記憶装置等の周辺部品とを含むＥＣＵである。記憶装置は、半導体記憶装置、磁気記憶装置及び光学記憶装置のいずれかを備えてよい。記憶装置は、レジスタ、キャッシュメモリ、主記憶装置として使用されるＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等のメモリを含んでよい。プロセッサは、記憶装置に格納されるコンピュータプログラムを実行することにより、以下に説明するコントローラ７の機能を実現する。なお、汎用の半導体集積回路中に設定される機能的な論理回路でコントローラ７を実現してもよい。例えばコントローラ７は、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）等のプログラマブル・ロジック・デバイス（ＰＬＤ）等を有していてもよい。
The
コントローラ７は、車外環境センサ２から出力された車外環境情報と、車両センサ３から出力された車両状態情報と、ナビゲーションシステム４から出力された走行計画及び車外環境情報と、走行制御装置５から出力された走行計画とに基づき、アクチュエータ６を制御する。本発明の実施形態では、コントローラ７が、アクチュエータ６として、ステアリングアクチュエータ、アクセル開度アクチュエータ、ブレーキ制御アクチュエータ、及び能動型サスペンションをそれぞれ制御する場合を例示する。
The
コントローラ７は、図４に示すように、車両情報取得部４１、車外情報取得部４２、走行計画取得部４３、及びモデル予測制御部４４を備える。車両情報取得部４１は、車両センサ３から出力される車両状態情報を取得する。車両状態情報は、例えば、横方向加速度、並びにロール軸まわり及びヨー軸まわりの変位、速度及び加速度の情報を含んでよい。
As shown in FIG. 4, the
車両センサ３から出力される車両状態情報が変位情報である場合、車両情報取得部４１は、変位情報を微分することにより速度情報と加速度情報を算出できる。車両センサ３から出力される車両状態情報が速度情報である場合、車両情報取得部４１は、速度情報を積分することにより変位情報を算出し、速度情報を微分することにより加速度情報を算出できる。車両センサ３から出力される車両状態情報が加速度情報である場合、車両情報取得部４１は、加速度情報を積分することにより変位情報と速度情報を算出できる。車両情報取得部４１は、取得した車両状態情報をモデル予測制御部４４へ出力する。
When the vehicle state information output from the
車外情報取得部４２は、車外環境センサ２から出力された自車両の外側の車外環境を示す車外環境情報を取得する。車外環境情報は、例えば、自車両の前方の道路の路面粗さ、路面に発生している路面振動、自車両の前方の道路の路面摩擦係数を含んでよい。更に、車外情報取得部４２は、ナビゲーションシステム４から出力された自車両の周囲の風の向きや風の強さを示す車外環境情報を取得してよい。車外情報取得部４２は、取得した車外環境情報をモデル予測制御部４４へ出力する。
The outside-of-vehicle
走行計画取得部４３は、自車両がこれから走行する予定の走行計画を取得する。例えば、走行計画取得部４３は、ナビゲーションシステム４により設定された設定経路、及びその地図情報を走行計画として取得してもよい。また、走行計画取得部４３は、走行制御装置５が決定した運転行動計画、及び走行軌道を走行計画として取得してもよい。また、走行計画取得部４３は、走行制御装置５により行われる予定の自動運転制御の自動運転レベルを走行計画として取得してもよい。また、走行計画取得部４３は、自車両がこれから走行する予定の地図情報に含まれる道路形状と、自車両がこれから走行する時の車速計画とを、走行計画として取得してもよい。走行計画取得部４３は、取得した走行計画をモデル予測制御部４４へ出力する。
The travel
モデル予測制御部４４は、モデル予測制御を行う。モデル予測制御は、制御対象の出力を予測し、現時刻から所定時刻までの将来の有限区間（予測区間）における制御性能を示す評価関数を最小化する制御量を、最適化問題等を用いて探索するものである。モデル予測制御部４４は、車両情報取得部４１により取得された車両状態情報と、車外情報取得部４２により取得された車外環境情報と、走行計画取得部４３により取得された走行計画とに基づくモデル予測制御を行い、アクチュエータ６としてのステアリングアクチュエータ、アクセル開度アクチュエータ、ブレーキ制御アクチュエータ、能動型サスペンションの制御量をそれぞれ算出する。
The model prediction control unit 44 performs model prediction control. The model predictive control predicts an output of a control target and determines a control amount for minimizing an evaluation function indicating a control performance in a future finite section (prediction section) from the current time to a predetermined time using an optimization problem or the like. To search. The model prediction control unit 44 is a model based on the vehicle state information acquired by the vehicle
モデル予測制御部４４は、状態予測器５１、重み設定部５２、評価部５３、及び最適化部５４を備える。状態予測器５１は、車両情報取得部４１により取得された現在の自車両の状態と、車外情報取得部４２により取得された車外環境と、走行計画取得部４３により取得された自車両の走行計画と、最適化部５４により算出されたアクチュエータ６の制御量の候補とに基づき、予測区間における将来の自車両の状態（挙動）を予測する。このため、状態予測器５１は、車両情報取得部４１により取得された現在の自車両の状態と、車外情報取得部４２により取得された車外環境と、走行計画取得部４３により取得された自車両の走行計画と、最適化部５４により算出されたアクチュエータ６の制御量の候補とに応じて発生する自車両の挙動がモデル化された予測モデルを有する。
The model prediction control unit 44 includes a
予測モデルは、例えば、車両情報取得部４１により取得された現在の自車両の状態と、車外情報取得部４２により取得された車外環境と、走行計画取得部４３により取得された自車両の走行計画と、最適化部５４により算出されたアクチュエータ６の制御量の候補とに応じて発生する自車両の挙動が、微分方程式により表現されたモデルであってよく、深層ニューラルネットワーク（ＤＮＮ）等の学習器で構成されるモデルであってもよい。
The prediction model includes, for example, the current state of the own vehicle acquired by the vehicle
例えば、状態予測器５１は、予測区間における将来の自車両の車体の状態（挙動）として、バネ上のバウンスの変位、速度及び加速度、並びにピッチ軸、ロール軸及びヨー軸まわりの変位、速度及び加速度、バネ下のバウンスの変位、速度及び加速度を予測してよい。状態予測器５１は、予測した将来の自車両の車体の状態量を評価部５３へ出力する。
For example, the
重み設定部５２は、走行計画取得部４３により取得された自車両がこれから走行する走行計画と、車外情報取得部４２により取得された車外環境情報と、状態予測器５１により予測された自車両の挙動とに基づき、自車両の挙動に対する評価値を算出する。例えば、重み設定部５２は、アクチュエータ６の制御量を評価するための評価関数の各状態変数の重みを評価値として設定する。
The
例えば、モデル予測制御部４４によるモデル予測制御において、以下の式（１）で表す評価関数Ｊ１を用いることができる。
Ｊ1= Wa * Roll_dis + Wb * Roll_vel + Wc * Roll_acc
+ Wd * Pitch_dis + We * Pitch_vel + Wf * Pitch_acc
+ Wg * Yaw_dis + Wh * Yaw_vel + Wi * Yaw_acc
+ Wj * Bounce_dis + Wk * Bounce_vel + Wl * Bounce_acc
…（１）
For example, in the model prediction control by the model prediction control unit 44, an evaluation function J1 expressed by the following equation (1) can be used.
J1 = Wa * Roll_dis + Wb * Roll_vel + Wc * Roll_acc
+ Wd * Pitch_dis + We * Pitch_vel + Wf * Pitch_acc
+ Wg * Yaw_dis + Wh * Yaw_vel + Wi * Yaw_acc
+ Wj * Bounce_dis + Wk * Bounce_vel + Wl * Bounce_acc
… (1)
ここで、Roll_disはロール角変位の状態変数、Roll_velはロール角速度の状態変数、Roll_accはロール角加速度、Pitch_disはピッチ角変位の状態変数、Pitch_velはピッチ角速度の状態変数、Pitch_accはピッチ角加速度の状態変数、Yaw_disはヨー角変位の状態変数、Yaw_velはヨー角速度の状態変数、Yaw_accはヨー角加速度の状態変数、Bounce_disはバウンス変位の状態変数、Bounce_velはバウンス速度の状態変数、Bounce_accはバウンス加速度の状態変数を示す。 Here, Roll_dis is the state variable of the roll angular displacement, Roll_vel is the state variable of the roll angular velocity, Roll_acc is the roll angular acceleration, Pitch_dis is the state variable of the pitch angular displacement, Pitch_vel is the state variable of the pitch angular velocity, and Pitch_acc is the state of the pitch angular acceleration. Variables, Yaw_dis is the yaw angular displacement state variable, Yaw_vel is the yaw angular velocity state variable, Yaw_acc is the yaw angular acceleration state variable, Bounce_dis is the bounce displacement state variable, Bounce_vel is the bounce speed state variable, and Bounce_acc is the bounce acceleration state Indicates a variable.
また、Waはロール角変位の重み、Wbはロール角速度の重み、Wcはロール角加速度の重み、Wdはピッチ角変位の重み、Weはピッチ角速度の重み、Wfはピッチ角加速度の重み、Wgはヨー角変位の重み、Whはヨー角速度の重み、Wiはヨー角加速度の重み、Wjはバウンス変位の重み、Wkはバウンス速度の重み、Wkはバウンス加速度の重みを示す。 Also, Wa is the weight of roll angular displacement, Wb is the weight of roll angular velocity, Wc is the weight of roll angular acceleration, Wd is the weight of pitch angular displacement, We is the weight of pitch angular velocity, Wf is the weight of pitch angular acceleration, Wg is The weight of yaw angular displacement, Wh is the weight of yaw angular velocity, Wi is the weight of yaw angular acceleration, Wj is the weight of bounce displacement, Wk is the weight of bounce speed, and Wk is the weight of bounce acceleration.
モデル予測制御では、評価関数を最小化するように制御を行うため、重み設定部５２により設定される重みが大きいほど、その重みで重み付けされた状態変数に対応する自車両の挙動の抑制量が大きくなる。このため、重み設定部５２は、走行計画に従ってこれから走行する時に優先して抑制したい自車両の挙動に対応する状態変数の重みを大きくするように、各状態変数の重みを調整する。例えば、走行計画に従ってこれから走行する時に、自車両の状態量が増加すると予測される状態変数の重みを大きくし、且つ自車両の状態量が減少すると予測される状態変数の重みを小さく調整してもよい。
In the model predictive control, control is performed so as to minimize the evaluation function. Therefore, the larger the weight set by the
例えば、自車両が車線変更や右左折等のために旋回する場合には、直進する場合と比較して、ロール角変位、ロール角速度、ロール角加速度、ヨー角変位、ヨー角速度、ヨー角加速度等が相対的に大きくなる。このため、重み設定部５２は、走行計画に含まれる走行経路、運転行動計画、走行軌道、道路形状等に基づき、走行計画が旋回を予定していることを認識した場合には、旋回動作中のロール角変位、ロール角速度、ロール角加速度、ヨー角変位、ヨー角速度、ヨー角加速度をより抑制するように、旋回動作中のロール角変位、ロール角速度、ロール角加速度、ヨー角変位、ヨー角速度、ヨー角加速度のそれぞれの重みを、旋回動作の開始前と比較して相対的に大きくし、且つこれら以外の重みを相対的に小さくするように事前に調整してもよい。
For example, when the vehicle turns to change lanes or turn left or right, the roll angular displacement, roll angular velocity, roll angular acceleration, yaw angular displacement, yaw angular velocity, yaw angular acceleration, etc. Becomes relatively large. For this reason, when the
また、自車両の走行制御が加減速を含む場合には、一定速度で走行する場合と比較して、ピッチ角変位、ピッチ角速度、ピッチ各加速度、バウンス変位、バウンス速度、バウンス加速度等が相対的に大きくなる。このため、重み設定部５２は、走行計画に含まれる車速計画等に基づき、走行計画が加減速を予定していることを認識した場合には、加減速が発生する区間のピッチ角変位、ピッチ角速度、ピッチ各加速度、バウンス変位、バウンス速度、バウンス加速度を抑制するように、加減速が発生する区間のピッチ角変位、ピッチ角速度、ピッチ各加速度、バウンス変位、バウンス速度、バウンス加速度のそれぞれの重みを、加減速が発生しない区間と比較して相対的に大きくし、且つこれら以外の重みを相対的に小さくするように事前に調整してもよい。
Also, when the traveling control of the own vehicle includes acceleration / deceleration, the pitch angle displacement, the pitch angular velocity, the pitch acceleration, the bounce displacement, the bounce speed, the bounce acceleration, and the like are relatively smaller than when the vehicle is traveling at a constant speed. Become larger. For this reason, when the
例えば、図５に示すように、自車両１００が走行計画に従って走行する時に、自車両１００が矢印Ｄ１で模式的に示すように右旋回（右折）する予定である場合を考える。重み設定部５２は、走行計画に基づき、右旋回開始前の重みに対して異なる右旋回時の重みを、右旋回の開始時点から調整して設定する。
For example, as shown in FIG. 5, consider a case where the
例えば図６に示すように、上記式（１）の評価関数Ｊ１の状態変数に対応させて、ロール角変位の重みWaを14.6%、ロール角速度Wbを10.7%、ロール角加速度の重みWcを8.1%、ピッチ角変位の重みWdを7.5%、ピッチ角速度の重みWeを11.6%、ピッチ角加速度の重みWfを0.9%、ヨー角変位の重みWgを13.1%、ヨー角速度の重みWhを5.5%、ヨー角加速度の重みWiを9.2%、バウンス変位Wjを10.3%、バウンス速度の重みWkを8.4%、バウンス加速度の重みWlを0.1%にそれぞれ設定する。例えば、右旋回時のロール角変位の重みWa、ロール角速度Wb、ロール角加速度の重みWc、ヨー角変位の重みWg、ヨー角速度の重みWh、ヨー角加速度の重みWiは、右旋回開始前よりもそれぞれ大きく調整されている。 For example, as shown in FIG. 6, the weight Wa of the roll angular displacement is 14.6%, the roll angular velocity Wb is 10.7%, and the weight Wc of the roll angular acceleration is 8.1 in association with the state variable of the evaluation function J1 of the above equation (1). %, Pitch angular displacement weight Wd is 7.5%, pitch angular velocity weight We is 11.6%, pitch angular acceleration weight Wf is 0.9%, yaw angular displacement weight Wg is 13.1%, yaw angular velocity weight Wh is 5.5%, The yaw angular acceleration weight Wi is set to 9.2%, the bounce displacement Wj is set to 10.3%, the bounce speed weight Wk is set to 8.4%, and the bounce acceleration weight Wl is set to 0.1%. For example, the weight Wa of the roll angular displacement, the roll angular velocity Wb, the weight Wc of the roll angular acceleration, the weight Wg of the yaw angular displacement, the weight Wg of the yaw angular velocity, the weight Wh of the yaw angular velocity, and the weight Wi of the yaw angular acceleration at the time of the right turn start the right turn. Each has been adjusted larger than before.
評価部５３は、状態予測器５１により予測された自車両の将来の状態量と、重み設定部５２により設定された重みとに基づき、評価関数の値（コスト）を算出することにより、予測区間におけるアクチュエータ６の制御量の候補の制御性能を評価する。例えば、評価部５３は、上記式（１）の評価関数Ｊ１を用いて、状態予測器５１により予測された自車両の将来の状態量に対応する状態変数を、重み設定部５２により設定された重みで重み付けすることによりコストを算出する。評価部５３は、算出したコストを最適化部５４へ出力する。
The
最適化部５４は、評価部５３により算出されたコストを最小化するように、アクチュエータ６の制御量の候補を最適化する。最適化部５４は、例えば、評価関数の微分値を用いる反復手法に基づき制御量の候補を最適化してよい。また例えば、最適化部５４は、試行錯誤的に最適解を直接探索する発見的手法に基づき制御量の候補を最適化してもよい。発見的手法として、例えば遺伝的アルゴリズム、粒子群最適化、人工蜂コロニーアルゴリズムを使用してよい。最適化部５４は、探索によって最適化されたアクチュエータ６の制御量を、アクチュエータ６へ出力する。
The optimizing
モデル予測制御部４４は、アクチュエータ６の制御量の候補が最適化されるまで、アクチュエータ６の制御量の候補の算出、自車両の状態の予測、コストの算出の一連の処理を所定回数だけ繰り返すことで、コストを最小化した最終的な制御量を決定する。例えば、図７Ａの曲線Ｌ１，Ｌ２は、１回目及び２回目の処理周期で最適化部５４によりそれぞれ算出された、現在時刻ｔ０から所定時刻ｔｐまでの予測区間Ｔｐにおけるアクチュエータ６の制御量の一例を示す。図７Ｂの曲線Ｌ３，Ｌ４は、１回目及び２回目の処理周期で状態予測器５１によりそれぞれ予測された、現在時刻ｔ０から所定時刻ｔｐまでの予測区間Ｔｐにおける自車両の状態量の一例を示す。図７Ｃは、評価部５３により処理周期毎に算出されたコストの変化を示す。
The model prediction control unit 44 repeats a series of processes of calculating the control amount candidates of the
（走行支援方法）
次に、図８のフローチャートを参照して、本発明の実施形態に係る走行支援方法の一例を説明する。
(Driving support method)
Next, an example of the driving support method according to the embodiment of the present invention will be described with reference to the flowchart of FIG.
ステップＳ１において、ナビゲーションシステム４及び走行制御装置５は、自車両の走行計画を決定する。ステップＳ２において、車両センサ３は、現在の自車両の状態を検出する。車外環境センサ２は、自車両の外側の車外環境を検出する。
In step S1, the
ステップＳ３において、最適化部５４は、予測区間におけるアクチュエータ６の制御量の候補の初期値を決定する。ステップＳ４において、状態予測器５１は、車両センサ３により検出された現在の自車両の状態と、車外環境センサ２により検出された車外環境と、ナビゲーションシステム４及び走行制御装置５により決定された予測区間における自車両の走行計画と、最適化部５４により決定された予測区間におけるアクチュエータ６の制御量の候補とに基づき、自車両が走行計画に従って走行する時の予測区間における車体の状態量を予測する。
In step S3, the
ステップＳ５において、重み設定部５２は、ナビゲーションシステム４及び走行制御装置５により決定された予測区間における自車両の走行計画と、状態予測器５１により予測された予測区間における車体の状態量とに基づき、自車両の将来の挙動に対する評価値を算出する。例えば、重み設定部５２は、上記式（１）の評価関数Ｊ１を用いて、走行計画に従って走行する時に自車両の車体に発生する挙動を抑制するように、評価関数Ｊ１の各状態変数の重みを評価値として設定する。
In step S <b> 5, the
ステップＳ６において、評価部５３は、状態予測器５１が予測した状態量と、重み設定部５２により設定された重みとに基づき、評価関数のコストを算出することにより、最適化部５４により決定された予測区間におけるアクチュエータ６の制御量の候補の制御性能を評価する。
In step S6, the
ステップＳ７において、最適化部５４は、評価部５３が算出したコストに基づき、予測区間におけるアクチュエータ６の制御量の候補が最適化されたか否かを判定する。例えば最適化部５４は、コストが閾値以下になった場合やコストが最小値になった場合に制御量の候補が最適化されたと判定してよい。
In step S7, the
ステップＳ７においてアクチュエータ６の制御量の候補が最適化されていないと判定された場合に、ステップＳ８へ移行する。ステップＳ８において、最適化部５４は、所定の最適化アルゴリズムを用いて、アクチュエータ６の制御量の候補を再計算する。その後、ステップＳ４の手順に戻る。
If it is determined in step S7 that the control amount candidate of the
一方、ステップＳ７においてアクチュエータ６の制御量の候補が最適化されたと判定された場合に、最適化部５４は、最適化されたと判定された時点でのアクチュエータ６の制御量の候補を最終的な制御量としてアクチュエータ６に出力する。アクチュエータ６は、最適化部５４により出力された制御量に応じて自車両の挙動を抑制するように自車両を制御する。
On the other hand, when it is determined in step S7 that the candidate for the control amount of the
（実施形態の効果）
本発明の実施形態によれば、自車両がこれから走行する走行計画を取得し、走行計画に従って走行する時の自車両の挙動を予測する。そして、自車両がこれから走行する走行計画に基づき、予測された自車両の挙動に対する評価値として算出し、評価値に基づき、車両を制御するアクチュエータ６の制御量を算出する。これにより、自車両の挙動が動的に変化する場合でも、自車両に将来生じる挙動の変化を考慮して、アクチュエータ６の特性を事前に調整することができる。このため、自車両の挙動が動的に変化した直後の自車両の挙動が動的に変化する場合でも、自車両の制御の遅れを軽減することができる。したがって、走行計画上の走行シーンに合わせて自車両の挙動を抑制するようにアクチュエータ６の特性を設定することができ、乗員の乗り心地を向上させることができる。
(Effects of the embodiment)
According to the embodiment of the present invention, a travel plan in which the own vehicle will travel is acquired, and behavior of the own vehicle when traveling in accordance with the travel plan is predicted. Then, it calculates as an evaluation value for the predicted behavior of the host vehicle based on a travel plan for the host vehicle to run, and calculates a control amount of the
更に、例えば自車両の複数の挙動に対応する複数の評価値を算出し、複数の評価値に基づき、自車両の複数の挙動の制御割合を決定する。これにより、自車両の複数の挙動を抑制するようにアクチュエータ６の特性を設定することができ、乗員の乗り心地を向上させることができる。
Further, for example, a plurality of evaluation values corresponding to a plurality of behaviors of the host vehicle are calculated, and a control ratio of the plurality of behaviors of the host vehicle is determined based on the plurality of evaluation values. Thus, the characteristics of the
更に、自車両の挙動を予測する時に用いる走行計画が、自車両が自動で走行するために算出した車両運動計画を含むことにより、車両運動計画に基づき自動運転を実行しているときの乗り心地を改善することができる。一般的に、自動運転の実行時は、手動運転時と比較して、乗員の乗り心地の感じ方が異なる。また、同じ道路を走行したとしても、自動運転時は手動運転時と異なる挙動が発生するように制御が実行される可能性がある。これに対して、自動運転の制御に合わせてアクチュエータ６の特性を事前に設定することができるので、自動運転の実行時に乗員に与える違和感を軽減することができる。
Furthermore, since the travel plan used when predicting the behavior of the own vehicle includes the vehicle motion plan calculated for the automatic travel of the own vehicle, the ride comfort when performing automatic driving based on the vehicle motion plan is improved. Can be improved. In general, when performing automatic driving, the occupant perceives the riding comfort differently than when performing manual driving. Further, even when the vehicle travels on the same road, there is a possibility that the control is executed such that a behavior different from that during the manual driving occurs during the automatic driving. On the other hand, since the characteristics of the
更に、自車両の挙動を予測する時に用いる走行計画が、車両が自動で走行するために算出した走行軌跡を含む。これにより、自動運転の制御に合わせてアクチュエータ６の特性を事前に設定することができるので、自動運転の実行時に乗員に与える違和感を軽減することができる。
Furthermore, the travel plan used when predicting the behavior of the own vehicle includes a travel locus calculated for the vehicle to travel automatically. Thus, the characteristics of the
更に、自車両の挙動を予測する時に用いる走行計画が、道路形状を地図から取得した道路形状と、車両がこれから走行する時の車速計画を含む。これにより、自動運転の制御に合わせてアクチュエータ６の特性を事前に設定することができるので、自動運転の実行時に乗員に与える違和感を軽減することができる。
Further, the travel plan used when estimating the behavior of the own vehicle includes a road shape obtained from the map, and a vehicle speed plan when the vehicle is about to travel. Thus, the characteristics of the
更に、車両の挙動を評価する評価関数の状態変数に対する重みを評価値として設定し、設定した重みで重み付けした評価関数を最小化するように制御量を算出する。これにより、評価関数を用いたモデル予測制御において、今後の環境変化に対して事前に評価関数の重みを調整するので、モデル予測制御の性能を向上させることができる。 Further, a weight for the state variable of the evaluation function for evaluating the behavior of the vehicle is set as an evaluation value, and the control amount is calculated so as to minimize the evaluation function weighted by the set weight. Accordingly, in the model predictive control using the evaluation function, the weight of the evaluation function is adjusted in advance with respect to a future environmental change, so that the performance of the model predictive control can be improved.
（第１変形例）
本発明の実施形態の第１変形例として、走行計画に従って自動運転レベルが切り替わることを予定している場合に、自動運転レベルに応じて評価関数の各重みの制御割合を調整する場合を説明する。
(First Modification)
As a first modified example of the embodiment of the present invention, a case where the control ratio of each weight of the evaluation function is adjusted according to the automatic driving level when the automatic driving level is scheduled to be switched according to the travel plan will be described. .
例えば、自動運転レベルは、高精度地図の有無や、高速道路や市街地等で異なる走行状況の複雑さ（難易度）に応じて切り替えてもよい。自動運転レベルに応じて、乗員の車外の監視義務の有無が異なる。そして、自車両の同一の挙動であっても、乗員の車外の監視義務の有無に応じて、乗員が感じる乗り心地が変化する。そこで、走行計画に従って将来的に自動運転レベルが切り替わり、乗員の車外の監視義務の有無が変化することを予定している場合には、乗員の乗り心地を向上させるように評価関数の重みを変化させる。 For example, the automatic driving level may be switched according to the presence or absence of a high-accuracy map, or the complexity (difficulty) of different driving situations on an expressway, city area, or the like. The presence or absence of an occupant's obligation to monitor outside the vehicle differs depending on the level of automatic driving. Then, even with the same behavior of the own vehicle, the riding comfort felt by the occupant changes depending on whether or not the occupant is obliged to monitor outside the vehicle. Therefore, if the autonomous driving level is switched in the future according to the driving plan and the presence or absence of the occupant's obligation to monitor outside the vehicle is scheduled to change, the weight of the evaluation function is changed to improve the occupant's riding comfort. Let it.
本発明の実施形態の第１変形例では、アクチュエータ６として能動型サスペンションの制御量の評価指標である評価関数Ｊ２を用いる。評価関数Ｊ２は、例えば以下の式（２）で表すことができる。
In the first modified example of the embodiment of the present invention, an evaluation function J2 which is an evaluation index of the control amount of the active suspension is used as the
J2 = Wa * a1 + Wv * v1 …（２） J2 = Wa * a1 + Wv * v1 ... (2)
ここで、a1はバネ上加速度の状態変数、v1はバネ上速度の状態変数である。また、Waはバネ加速度成分の重み、Wvはバネ速度成分の重みを示す。 Here, a1 is a state variable of sprung acceleration, and v1 is a state variable of sprung speed. Wa indicates the weight of the spring acceleration component, and Wv indicates the weight of the spring speed component.
例えば図９に示すように、自車両１００が走行予定の道路Ｌ１１の区間Ｓ１１，Ｓ１２において、走行計画上、自動運転レベルを変化させる場合を考える。走行計画上、道路Ｌ１１の区間Ｓ１１は自動運転レベル４に設定され、乗員に車外の監視義務が課されない。乗員に監視義務が課されていない場合、乗員はバネ上加速度が小さい方が乗り心地が良いことが推定される。このため、図４に示した重み設定部５２は、現在から区間Ｓ１１の終了時点までは、乗員に監視義務が課される場合と比較して、バネ上加速度をより抑制するように、バネ上加速度の重みWaを大きくし、且つバネ上速度の重みWvを小さく設定する。
For example, as shown in FIG. 9, a case is considered where the automatic driving level is changed in the travel plan in the sections S11 and S12 of the road L11 where the
一方、区間Ｓ１２では、走行計画上、自動運転レベル３に設定されており、乗員に車外の監視義務が課され、自動運転システムが乗員への車外の注意を求める。乗員が車外を監視する場合、バネ上速度が小さい方が、乗員は車外を監視し易いことが推定される。このため、図４に示した重み設定部５２は、乗員に監視義務が課されていない区間Ｓ１１が終了し、乗員に監視義務が課される区間Ｓ１２の開始時点から、バネ上速度をより抑制するように、バネ上速度Wvの重みを大きくし、且つバネ上加速度の重みWaを小さくするように調整する。
On the other hand, in the section S12, the automatic driving level is set to 3 in the traveling plan, the duty of monitoring the outside of the vehicle is imposed on the occupant, and the automatic driving system requests the occupant to pay attention to the outside of the vehicle. When the occupant monitors outside the vehicle, it is estimated that the lower the sprung speed, the easier the occupant can monitor outside the vehicle. For this reason, the
本発明の実施形態の第１変形例によれば、乗員による車外の監視義務の有無に応じて評価関数の重みを調整することにより、乗員の乗り心地を向上させることができる。例えば、乗員に車外の監視義務が課され、自動運転システムが乗員への車外の注意を求める場合は、バネ上速度の重みを増やすことによりバネ上速度を低減し、乗員に車外を監視させ易くすることができる。なお、バネ上速度の重みを増大させると共に、或いはバネ上速度の重みを増大させる代わりに、ピッチ角速度の重みを増大させてもよい。ピッチ角速度の重みを増大させ、ピッチ角速度を低減することによっても、乗員に車外を監視させ易くすることができる。 According to the first modification of the embodiment of the present invention, the ride comfort of the occupant can be improved by adjusting the weight of the evaluation function according to whether or not the occupant has a duty to monitor outside the vehicle. For example, if the occupant is obliged to monitor outside the vehicle and the automatic driving system requires the occupant to pay attention to the outside of the vehicle, increasing the weight of the sprung speed reduces the sprung speed, making it easier for the occupant to monitor the outside of the vehicle. can do. The weight of the pitch angular velocity may be increased while increasing the weight of the sprung velocity, or instead of increasing the weight of the sprung velocity. Increasing the weight of the pitch angular velocity and reducing the pitch angular velocity can also make it easier for the occupant to monitor outside the vehicle.
更に、走行計画上、乗員による車外の監視義務の有無が変化する場合でも、走行計画に基づき評価関数の重みを事前に調整することができるので、乗員による車外の監視義務の有無が変化した直後の制御の遅れを軽減することができる。 Furthermore, even when the presence or absence of the duty of the occupant to monitor outside the vehicle changes in the travel plan, the weight of the evaluation function can be adjusted in advance based on the travel plan. Control delay can be reduced.
（第２変形例）
本発明の実施形態の第２変形例として、走行計画に従って走行する道路の路面粗さ（路面の起伏状態）が変化することが予定されている場合に、路面粗さに応じて評価関数の重みの割合の調整する場合を説明する。
(Second Modification)
As a second modified example of the embodiment of the present invention, when the road surface roughness (road surface undulation state) of a road traveling according to a travel plan is scheduled to change, the weight of the evaluation function is determined according to the road surface roughness. The case of adjusting the ratio of is described.
例えば、図４に示した車外情報取得部４２が、ナビゲーションシステム４の地図データベースに含まれる、走行計画に従って自車両が走行予定の道路の路面粗さの情報を取得してもよい。或いは、車外情報取得部４２が、車外環境センサ２により自車両の前方の道路の路面粗さを検出することにより、路面粗さの情報を取得してもよい。
For example, the outside-of-vehicle
例えば図１２に示すように、自車両１００が走行計画に従って走行予定の道路Ｒ１２の区間Ｓ２１，Ｓ２２で路面粗さが変化する場合を考える。例えば、路面粗さはＩＳＯ８６０８によりレベル分けされ、路面が粗い（路面の起伏が大きい）ほど路面粗さレベルが高くなるように定義されている。図１２に示した区間Ｓ２１は、ＩＳＯ８６０８に準拠した路面粗さレベル７であり、区間Ｓ２２は区間Ｓ２１よりも粗く、ＩＳＯ８６０８に準拠した路面粗さレベル９とする。
For example, as shown in FIG. 12, consider a case where the road surface roughness changes in the sections S21 and S22 of the road R12 on which the
例えば、本発明の実施形態の第２変形例では、アクチュエータ６として能動型サスペンションの制御量の評価指標である上記式（２）の評価関数Ｊ２を用いる。重み設定部５２は、区間Ｓ２１では、区間Ｓ２２の場合と比較して、評価関数Ｊ２のバネ上速度の重みを相対的に小さく、且つバネ上加速度の重みを相対的に大きく調整する。この場合、路面粗さレベルに応じて、自車両のサスペンションの最大ストローク量は、図１３に太い実線で示すように変化する。区間Ｓ２１の路面粗さレベル７では、自車両のサスペンションの最大ストローク量は０．０６ｍ程度である。
For example, in the second modification of the embodiment of the present invention, as the
図１３に太い実線で示すように、路面粗さレベル９に変化すると、サスペンションの最大ストローク量が上限値である０．０８ｍを超えることが予定される。そこで、重み設定部５２は、区間Ｓ２２に進入したときにサスペンションの最大ストローク量が上限を超えることが予定される場合には、ストローク量を抑制するように評価関数の重みを事前に調整する。例えば、重み設定部５２は、バネ上加速度の重みを小さくすると共に、バネ上速度の重みを大きくする。これにより、路面粗さレベルに応じて、自車両のサスペンションの最大ストローク量は、図１３に細い実線で示すように変化する。区間Ｓ２２の路面粗さレベル９では、自車両のサスペンションの最大ストローク量は０．０８程度に抑制することができる。
As shown by the thick solid line in FIG. 13, when the road surface roughness level changes to 9, the maximum stroke of the suspension is expected to exceed the upper limit of 0.08 m. Therefore, when the maximum stroke amount of the suspension is expected to exceed the upper limit when entering the section S22, the
本発明の実施形態の第２変形例によれば、走行計画に従って自車両が走行予定の道路の路面粗さの情報に基づき、評価関数のバネ上速度及びバネ上加速度等の重みを事前に調整することで、自車両が走行する道路の路面粗さが変化した時点から制御の遅れなく、サスペンションの最大ストローク量を適切に調整することができる。 According to the second modification of the embodiment of the present invention, the weights of the evaluation function, such as sprung speed and sprung acceleration, are adjusted in advance based on information on the road surface roughness of the road on which the host vehicle is to travel according to the travel plan. By doing so, it is possible to appropriately adjust the maximum stroke amount of the suspension without delay in control from the point in time when the road surface roughness of the road on which the vehicle travels changes.
（その他の実施形態）
上記のように、本発明は実施形態によって記載したが、この開示の一部をなす論述及び図面は本発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替の実施形態、実施例及び運用技術が明らかとなろう。
(Other embodiments)
As described above, the present invention has been described by the embodiments. However, it should not be understood that the description and drawings forming part of the present disclosure limit the present invention. From this disclosure, various alternative embodiments, examples, and operation techniques will be apparent to those skilled in the art.
例えば、本発明の実施形態では、状態予測器５１が、自動運転に使用される走行計画を用いて自車両の状態を予測する場合を例示したが、これに限定されない。即ち、状態予測器５１が、手動運転時に乗員へのルート案内に使用される走行計画を用いて自車両の状態を予測してもよい。
For example, in the embodiment of the present invention, the case where the
また、本発明の実施形態では、上記式（１）の評価関数Ｊ１及び上記式（２）の評価関数Ｊ２を例示したが、評価関数はこれに限定されず、適宜設定可能である。例えば、上記式（１）の評価関数Ｊ１の要素として、ロール角加加速度、ピッチ角加加速度、ヨー角加加速度、バウンス加加速度のそれぞれの状態変数及び重みを追加してもよい。また、上記式（１）の評価関数Ｊ１の状態変数の一部が無くてもよい。 Further, in the embodiment of the present invention, the evaluation function J1 of the above equation (1) and the evaluation function J2 of the above equation (2) are exemplified. However, the evaluation function is not limited to this, and can be set as appropriate. For example, as an element of the evaluation function J1 of the above equation (1), the state variables and weights of the roll angle jerk, the pitch angle jerk, the yaw angle jerk, and the bounce jerk may be added. Further, a part of the state variables of the evaluation function J1 in the above equation (1) may not be provided.
１…走行支援装置、２…車外環境センサ、３…車両センサ、４…ナビゲーションシステム、５…走行制御装置、６…アクチュエータ、７…コントローラ、８…能動型サスペンション、１０…車体側部材、１１ＦＬ…車輪、１１ＲＲ…車輪、１４…車輪側部材、１８ａ…シリンダチューブ、１８ｂ…ピストンロッド、１８ｃ…ピストン、１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲ…油圧シリンダ、２０ＦＬ…圧力制御弁、２０ＲＲ…圧力制御弁、２１Ｒ…側配管、２１Ｓ…供給側配管、２２…油圧源、２４Ｆ…アキュムレータ、２４Ｒ…アキュムレータ、３２…弁、３４…アキュムレータ、３６…コイルスプリング、３８…油圧配管、４１…車両情報取得部、４２…車外情報取得部、４３…走行計画取得部４３、４４…モデル予測制御部、５１…状態予測器、５２…重み設定部、５３…評価部、５４…最適化部
DESCRIPTION OF
Claims (7)
前記走行計画に従って走行する時の前記車両の挙動を予測し、
前記走行計画に基づき、前記予測された車両の挙動に対する評価値を算出し、
前記評価値に基づき、前記車両を制御するアクチュエータの制御量を算出する
ことを特徴とする走行支援方法。 Obtain the driving plan of the vehicle,
Predict the behavior of the vehicle when traveling according to the traveling plan,
Based on the travel plan, calculate an evaluation value for the predicted behavior of the vehicle,
A driving support method, comprising: calculating a control amount of an actuator that controls the vehicle based on the evaluation value.
前記複数の評価値に基づき、前記複数の挙動の制御割合を決定する
ことを特徴とする請求項１に記載の走行支援方法。 Calculating a plurality of evaluation values for the plurality of behaviors of the vehicle,
The driving support method according to claim 1, wherein a control ratio of the plurality of behaviors is determined based on the plurality of evaluation values.
前記状態変数を前記重みで重み付けした前記評価関数を最小化するように前記制御量を算出する
ことを特徴とする請求項１〜５のいずれか１項に記載の走行支援方法。 A weight for a state variable of an evaluation function for evaluating the control amount of the actuator is set as the evaluation value,
The driving support method according to any one of claims 1 to 5, wherein the control amount is calculated so as to minimize the evaluation function obtained by weighting the state variable with the weight.
前記車両の走行計画を取得し、前記走行計画に従って走行する時の前記車両の挙動を予測し、前記走行計画に基づき、前記予測された車両の挙動に対する評価値を算出し、前記評価値に基づき、前記アクチュエータの制御量を算出するコントローラ
とを備えることを特徴とする走行支援装置。 An actuator for controlling the vehicle,
Obtain the travel plan of the vehicle, predict the behavior of the vehicle when traveling according to the travel plan, calculate an evaluation value for the predicted behavior of the vehicle based on the travel plan, and based on the evaluation value And a controller for calculating a control amount of the actuator.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018151345A JP7119742B2 (en) | 2018-08-10 | 2018-08-10 | Driving support method and driving support device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018151345A JP7119742B2 (en) | 2018-08-10 | 2018-08-10 | Driving support method and driving support device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020026189A true JP2020026189A (en) | 2020-02-20 |
| JP7119742B2 JP7119742B2 (en) | 2022-08-17 |
Family
ID=69621788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018151345A Active JP7119742B2 (en) | 2018-08-10 | 2018-08-10 | Driving support method and driving support device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7119742B2 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112258097A (en) * | 2020-12-23 | 2021-01-22 | 睿至科技集团有限公司 | Driving assistance method and system based on big data |
| WO2021213366A1 (en) * | 2020-04-23 | 2021-10-28 | 华为技术有限公司 | Method for optimizing decision-making regulation and control, method for controlling vehicle traveling, and related devices |
| WO2021234947A1 (en) * | 2020-05-22 | 2021-11-25 | 三菱電機株式会社 | Vehicle control system, vehicle integrated control device, electronic control device, network communication device, vehicle control method, and vehicle control program |
| KR20220019204A (en) * | 2020-08-07 | 2022-02-16 | 한국전자통신연구원 | System and method for generating and controlling driving paths in autonomous vehicles |
| WO2022202877A1 (en) * | 2021-03-26 | 2022-09-29 | いすゞ自動車株式会社 | Driving control device |
| WO2023286446A1 (en) * | 2021-07-12 | 2023-01-19 | 日立Astemo株式会社 | Vehicle motion control device and vehicle motion control method |
| WO2023026688A1 (en) * | 2021-08-25 | 2023-03-02 | 株式会社日立製作所 | Vehicle control device and vehicle control method |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009018623A (en) * | 2007-07-10 | 2009-01-29 | Toyota Motor Corp | Travel controller |
| JP2013157904A (en) * | 2012-01-31 | 2013-08-15 | Canon Inc | Imaging device, method for controlling the same, program and recording medium |
| JP2017084110A (en) * | 2015-10-28 | 2017-05-18 | 株式会社デンソーアイティーラボラトリ | Vehicle control apparatus |
-
2018
- 2018-08-10 JP JP2018151345A patent/JP7119742B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009018623A (en) * | 2007-07-10 | 2009-01-29 | Toyota Motor Corp | Travel controller |
| JP2013157904A (en) * | 2012-01-31 | 2013-08-15 | Canon Inc | Imaging device, method for controlling the same, program and recording medium |
| JP2017084110A (en) * | 2015-10-28 | 2017-05-18 | 株式会社デンソーアイティーラボラトリ | Vehicle control apparatus |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021213366A1 (en) * | 2020-04-23 | 2021-10-28 | 华为技术有限公司 | Method for optimizing decision-making regulation and control, method for controlling vehicle traveling, and related devices |
| WO2021234947A1 (en) * | 2020-05-22 | 2021-11-25 | 三菱電機株式会社 | Vehicle control system, vehicle integrated control device, electronic control device, network communication device, vehicle control method, and vehicle control program |
| JPWO2021234947A1 (en) * | 2020-05-22 | 2021-11-25 | ||
| KR20220019204A (en) * | 2020-08-07 | 2022-02-16 | 한국전자통신연구원 | System and method for generating and controlling driving paths in autonomous vehicles |
| KR102525191B1 (en) * | 2020-08-07 | 2023-04-26 | 한국전자통신연구원 | System and method for generating and controlling driving paths in autonomous vehicles |
| US11866067B2 (en) | 2020-08-07 | 2024-01-09 | Electronics And Telecommunications Research Institute | System and method for generating and controlling driving paths in autonomous vehicle |
| CN112258097A (en) * | 2020-12-23 | 2021-01-22 | 睿至科技集团有限公司 | Driving assistance method and system based on big data |
| WO2022202877A1 (en) * | 2021-03-26 | 2022-09-29 | いすゞ自動車株式会社 | Driving control device |
| JP2022150606A (en) * | 2021-03-26 | 2022-10-07 | いすゞ自動車株式会社 | Operation control apparatus |
| JP7306419B2 (en) | 2021-03-26 | 2023-07-11 | いすゞ自動車株式会社 | Operation control device |
| WO2023286446A1 (en) * | 2021-07-12 | 2023-01-19 | 日立Astemo株式会社 | Vehicle motion control device and vehicle motion control method |
| WO2023026688A1 (en) * | 2021-08-25 | 2023-03-02 | 株式会社日立製作所 | Vehicle control device and vehicle control method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7119742B2 (en) | 2022-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7119742B2 (en) | Driving support method and driving support device | |
| JP7044010B2 (en) | Suspension characteristic adjustment method and suspension characteristic adjustment device | |
| JP6791905B2 (en) | Systems and methods for dynamic vehicle control according to traffic | |
| CN108698604B (en) | Vehicle sensing grid with dynamic sensing unit size | |
| US11447129B2 (en) | System and method for predicting the movement of pedestrians | |
| US20140297116A1 (en) | Self-driving vehicle with integrated active suspension | |
| CN110949370A (en) | Safety monitoring method and system for automatic driving vehicle and motion control system | |
| US20220105771A1 (en) | Preview damping control apparatus and method for a vehicle | |
| RU2764481C1 (en) | Method and device for vehicle control | |
| CN112977411A (en) | Intelligent chassis control method and device | |
| JP2007302204A (en) | Travel control device | |
| CN113752774A (en) | Vehicle vibration damping control device and method | |
| US20230150485A1 (en) | Vehicle path adjustment | |
| US10955849B2 (en) | Automatic driving system | |
| US20220266874A1 (en) | Systems and methods for vehicle motion planning | |
| JP2020124994A (en) | Vehicle motion control method and vehicle motion control device | |
| CN114290863A (en) | Vibration damping control device and data management device | |
| JP7091926B2 (en) | Vehicle behavior prediction method and vehicle behavior prediction device | |
| CN112797151B (en) | Gear determining device, gear determining method and simulation device | |
| CN114435057A (en) | Vibration damping control system for vehicle | |
| JP2022148163A (en) | Vehicle speed control method and traveling control device | |
| CN113759408A (en) | Position estimation device and position estimation method | |
| JP7460458B2 (en) | Vehicle motion control device and vehicle motion control method | |
| US20240001727A1 (en) | Active suspension control on repeating surface undulations | |
| JP7466796B2 (en) | Optimal computing device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210301 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220124 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220317 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220623 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220705 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220718 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7119742 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |