JP2020536797A

JP2020536797A - 最小アクション量原理に基づく運転者制御動作定量化方法及び装置

Info

Publication number: JP2020536797A
Application number: JP2020541837A
Authority: JP
Inventors: 王建強; 鄭訊佳; 黄荷葉; 李克強; 許慶; 李升波
Original assignee: Tsinghua University
Current assignee: Tsinghua University
Priority date: 2018-05-08
Filing date: 2018-05-14
Publication date: 2020-12-17
Anticipated expiration: 2038-05-14
Also published as: CN108639059A; CN108639059B; WO2019213982A1; JP7072133B2

Abstract

本発明は、最小アクション量原理に基づく運転者制御動作定量化方法及び装置を開示し、運転者制御動作定量化方法は、自走式車両の電子制御ユニットに運転者制御メカニズム定量的記述モジュールを予め設置し、前記運転者制御メカニズム定量的記述モジュールが運転者の運転制御動作の交通リスクと通行効率を同時に反映するアクション量を含むＳ１ステップと、自走式車両の情報収集装置により、時間と同期した自走式車両情報及び交通環境情報を取得するＳ２ステップと、時間と同期した前記自走式車両情報及び交通環境情報に基づき、運転者制御メカニズム定量的記述モジュールにおけるで現在の走行指導速度を取得し、前記アクション量の値を最小にするＳ３ステップとを含み、本発明は、最小アクション量原理を用いて運転者が車両を運転するプロセスにおけるリスクと効率の間のトレードオフを記述し、任意の運転者が運転するプロセスにおける効率を最大化しながらリスクを回避するという運転特性を定量的に記述できる。

Description

本発明は、インテリジェントの車両応用技術分野に関し、特に最小アクション量原理に
基づく運転者制御動作定量化方法及び装置に関する。

道路交通安全は人間−車両−環境閉ループシステムに関連し、交通事故を構成する人間
、車両、環境の３つの要素において、通常、人間要素の割合が最も大きく、即ちほとんど
の交通事故が人的要因によって引き起こされ、したがって、車両に対する運転者の制御動
作が交通安全を確保する重要な要因になる。現在、急速に発展しているインテリジェント
交通、インテリジェント運転技術とインテリジェント自動車に対して、自動車インテリジ
ェントシステムの安全性能と運転者の受け入れ程度が自動車インテリジェント化を制約す
る重要な要因であり、その中の運転者の受け入れ程度とは自動車インテリジェントシステ
ムが運転者の運転制御動作に適合する必要があることを指す。

従来技術では、通常、統計分析法を使用して運転者の運転制御動作を研究することがで
き、この研究結果が自動車インテリジェントシステムを最適化して安全性能と運転者の受
け入れ程度を調整することに役立つ。従来の統計分析法では例えば確率統計、ファジー数
学、ラフ集合理論などの研究方法又は実車実験データ統計分析に基づく運転者動作特性化
記述方法を用いる。しかし、運転者の運転制御動作自体に個人差、年齢差、性差と地域差
などの様々な違い影響があるため、従来の研究方法を用いると大量のデータサンプルが必
要になることが多く、研究に大きな困難をもたらす。

上述した異なる運転者の運転制御動作に違いが存在する以外、現在の自動車インテリジ
ェントシステムは、さらに道路環境の複雑さ、走行動作の違い、走行状況の変動性などに
よって制御され、実際の応用において誤警報率が高く、受け入れ可能性が悪いなどの問題
が依然として存在する。

したがって、運転者個人の動作変動及び違いに対する自動車インテリジェントシステム
の適応性を向上させるため、運転者の運転制御メカニズムを深く研究する必要がある。し
たがって、運転者の運転室運転制御メカニズムの定量的記述方法に対して新しい設計を専
門に行う必要がある。

本発明の目的は、最小アクション量原理に基づく運転者制御動作定量化方法及び装置を
提供することにあり、該方法が運転者の車両及び交通環境における情報の収集に従って、
最小アクション量原理を利用し、運転者が運転プロセスにおいて効率を最大化しながらリ
スクを回避するという運転制御メカニズムを記述することができる。

上記目的を達成するために、本発明は、最小アクション量原理に基づく運転者制御動作
定量化方法を提供し、前記最小アクション量原理に基づく運転者制御動作定量化方法は以
下のステップを含み、
ステップＳ１、自走式車両の電子制御ユニットに運転者制御メカニズム定量的記述モジ
ュールを予め設置し、前記運転者制御メカニズム定量的記述モジュールが運転者の運転制
御動作の交通リスクと通行効率を同時に反映するアクション量
を含み、
の数式が式（１）であり、
式中、
が前記予め設定された交通プロセスにおける自走式車両のアクション量を表し、
が前記予め設定された交通プロセスの開始時点であり、
が前記予め設定された交通プロセスの終了時点であり、
が予め設定された交通プロセスにおける自走式車両のラグランジュ量を表し、
の式が次のとおりであり、
であり、
式中、
が自走式車両の運動エネルギーを表し、
が、自走式車両が受けるポテンシャルエネルギーを表し、該ポテンシャルエネルギーが予
め設定された、車の流れの方向に沿って存在する一定の力場と抵抗場によって決定される
。

ステップＳ２、自走式車両の情報収集装置により、時間と同期した自走式車両情報及び
交通環境情報を取得する。

ステップＳ３、時間と同期した前記自走式車両情報及び交通環境情報に基づき、運転者
制御メカニズム定量的記述モジュールにおける
で現在の走行指導速度を取得し、前記アクション量
の値を最小にする。

さらに、前記アクション量
の取得方法は、
テスト車両に交通環境情報収集装置を取り付けることで、車両プラットフォームを構築
するステップＳ１１と、
異なる運転者が前記車両プラットフォームを運転して異なる環境において自由走行テス
トを行うことで、時間と同期した自走式車両及び環境に関連するテストデータを収集する
ステップＳ１２と、
前記テストデータに基づき、任意の交通環境における前記アクション量
の数式を取得するステップＳ１３とを含む。

さらに、Ｓ１３ステップでの「交通環境」は、単一の車両が直線道路を走行することで
あり、車の流れの方向に沿って一定の力場及び転がり抵抗、坂道抵抗、加速抵抗及び空気
抵抗に起因する抵抗場が存在することを予め設定し、前記ラグランジュ量
が次のように表され、

、
式中、
が車両の質量であり、
が車両の縦方向の変位であり、
が車両の縦方向の速度であり、
が車両の縦方向の加速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両の風抵抗係数であり、
が車両の風上面積であり、
が車両回転質量換算係数である。

さらに、Ｓ１３ステップでの「交通環境」は、単一の車両が車線
又は道路境界のある直線道路を走行することであり、車の流れの方向に沿って一定の力場
及び転がり抵抗、坂道抵抗、加速抵抗及び空気抵抗に起因する抵抗場が存在することを予
め設定し、前記ラグランジュ量
が次のように表され、

式中、
が車両の質量であり、
が車両の縦方向の変位であり、
が車両の縦方向の速度であり、
が車両の縦方向の加速度であり、
が車両の横方向の変位であり、
が
の一次導関数を表し、車両の横方向の速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両の風抵抗係数であり、
が車両の風上面積であり、
が車両の回転質量換算係数であり、
が
に位置する車線
又は道路境界によって形成されたポテンシャルエネルギー場の
でのベクトル場の強さであり、
が車線
又は道路境界のタイプを表し、
が車線
又は道路境界の道路影響因子を表し、
が車線の幅を表し、
が車線
又は道路境界から車両の重心
までの距離ベクトルを表し、
が調整係数であり、
が車両の等価質量を表し、
が自走式車両が位置する場所の道路影響因子を表し、
が運転者影響因子を表す。

さらに、Ｓ１３ステップでの「交通環境」は、車追従モードにおける単一の車両が直線
道路を走行することであり、車の流れの方向に沿って重力に類似する一定の力場及び転が
り抵抗、坂道抵抗、加速抵抗及び空気抵抗に起因する抵抗場が存在すると仮定すると、前
記ラグランジュ量
が次のように表され、
式中、
が車両の質量であり、
が車両の縦方向の変位であり、
が車両の縦方向の速度であり、
が車両の縦方向の加速度であり、
が車両の横方向の変位であり、
が車両の横方向の速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両の風抵抗係数であり、
が車両の風上面積であり、
が車両の回転質量換算係数であり、
が
に位置する車線
又は道路境界によって形成されたポテンシャルエネルギー場の
でのベクトル場の強さであり、
が車線
又は道路境界のタイプを表し、
が
車線又は道路境界の道路影響因子を表し、
が車線の幅を表し、
が車線
又は道路境界から車両の重心
までの距離ベクトルを表し、
が調整係数であり、
が車両の等価質量を表し、
が自走式車両が位置する場所の道路影響因子を表し、
が運転者影響因子を表し、
が
番目の車両に対して物体jによって生成されたポテンシャルエネルギーを表し、
が車線
を表し、
が合計
本の車線があることを表し、
がｎ個の道路利用者がいることを表し、
が１個の調整係数である。

本発明は、最小アクション量原理に基づく運転者制御動作定量化装置を提供し、前記運
転者制御動作定量化装置は、
自走式車両に設置され、時間と同期した自走式車両情報及び交通環境情報を取得するこ
とに用いられる情報収集装置と、
電子制御ユニットであって、前記電子制御ユニットに運転者制御メカニズム定量的記述モ
ジュールを予め設置し、前記運転者制御メカニズム定量的記述モジュールが運転者の運転
制御動作の交通リスクと通行効率を同時に反映するアクション量
を含み、
の数式が式（１）であり、
（1）

式中、
が前記予め設定された交通プロセスにおける自走式車両のアクション量を表し、
が前記予め設定された交通プロセスの開始時点であり、
が前記予め設定された交通プロセスの終了時点であり、
が予め設定された交通プロセスにおける自走式車両のラグランジュ量を表し、
の式が次のとおりであり、
式中、
が自走式車両の運動エネルギーを表し、
が車両が受けるポテンシャルエネルギーを表し、該ポテンシャルエネルギーが予め設定さ
れた、車の流れの方向に沿って存在する一定の力場と抵抗場によって決定される電子制御
ユニットとを備え、
前記電子制御ユニットは、時間と同期した前記自走式車両情報及び交通環境情報に基づ
き、
で現在の走行指導速度を取得し、
アクション量の値を最小にすることに用いられる。

本発明は、インテリジェント車両をさらに提供し、インテリジェント車両は前記運転者
制御動作定量化装置を備える。

本発明の有益な効果は、本発明に係る最小アクション量原理に基づく運転者運転制御メ
カニズム定量化記述方法及びその装置では、６４線レーザーレーダー、ミリ波レーダー及
びビジョンセンサーで構成されたマルチセンサー検知システムを用いてインテリジェント
車両プラットフォームを構築し、周囲の移動物体、静止物体の位置情報と状態情報を識別
でき、大量のデータを収集し、データベースを構築し、車両走行中の動的交通システムの
特徴を分析し、運転者の運転制御メカニズムを識別し、そして運転者の運転制御メカニズ
ムを定量的に記述することで、さらに運転者の運転動作を定量的に分析することができる
ことである。

本発明における車両プラットフォームの側面図である。図１に示す車両プラットフォームの平面図である。本発明に係る単一の自走式車両の交通システムの概略図である。本発明に係る車線の車両に対する制約ポテンシャルエネルギーモデルを説明する概略図である。本発明に係る車両追跡シーンの概略図である。

図面において、同じ又は類似の素子又は同じ又は類似の機能を備えた素子を同じ又は類
似の記号で表す。以下、図面を参照しながら本発明の実施例を詳しく説明する。

本実施例に係る最小アクション量原理に基づく運転者制御動作定量化方法は、主に外部
環境の全ての要因の影響を受ける自走式車両を考慮し、以下のステップを含み、Ｓ１ステ
ップ、自走式車両の電子制御ユニットに運転者制御メカニズム定量的記述モジュールを予
め設置し、前記運転者制御メカニズム定量的記述モジュールが運転者の運転制御動作の交
通リスクと通行効率を同時に反映するアクション量
を含み、
の数式が式（１）であり、
式中、
が前記予め設定された交通プロセスにおける自走式車両のアクション量を表し、即ち予め
設定された交通プロセスにおける自走式車両の経時的なラグランジュ量の積分として表さ
れてもよく、
が前記予め設定された交通プロセスの開始時点であり、
が前記予め設定された交通プロセスの終了時点であり、
が予め設定された交通プロセスにおける自走式車両のラグランジュ量を表し、
の式が次のとおりであり、

式中、
が自走式車両の運動エネルギーを表し、
は自走式車両が受けるポテンシャルエネルギーを表し、該ポテンシャルエネルギーを予め
設定した、車の流れの方向に沿って存在する一定の力場と抵抗場によって決定される。

ステップＳ２ステップ、自走式車両の情報収集装置により、時間と同期した自走式車両
情報及び交通環境情報を取得する。ステップＳ２により、情報収集装置は、自走式車両の
交通環境情報を検出及び識別することができ、該交通環境情報が周囲の障害物（車両、サ
イクリスト、歩行者、フェンス、バリケード）と交通情報（信号機、速度制限標識、車線
）を含む。自走式車両情報は自走式車両ＣＡＮデータを含み、具体的には、エンジン回転
数、ハンドル角度、車両速度、ギア、加速及び減速とＧＰＳ情報である。

ステップＳ３ステップ、時間と同期した前記車両情報及び交通環境情報に基づき、運転
者制御メカニズム定量的記述モジュールにおける
で現在の走行指導速度を取得し、前記アクション量
の値を最小にする。

本実施例に係る方法では、インテリジェント車両が走行するプロセスにおいて、情報収
集装置が自走式車両の周辺環境での障害物又は交通情報を検出した場合、前記運転者制御
メカニズム定量的記述モジュールは予め設定された交通プロセスにおけるアクション量
を計算し、前記アクション量
の値を最小にすることで、一つのインテリジェント車両が走行する現在の速度の最適値を
取得し、該最適値が現在の走行指導速度とされる。インテリジェント車両が既に取得した
現在の走行指導速度で速度制御を行う場合、最適な自己安全性及び通行効率を達成するこ
とができる。

一実施例では、前記アクション量
の取得方法は、
テスト車両に交通環境情報収集装置を取り付けることで、車両プラットフォームを構築
するステップＳ１１と、
異なる運転者が前記車両プラットフォームを運転して異なる環境において自由走行テス
トを行うことで、時間と同期した自走式車両及び環境に関連するテストデータを収集する
ステップＳ１２と、
前記テストデータに基づき、任意の交通環境における前記アクション量
の数式を取得するステップＳ１３とを含む。

ステップＳ１１において、テスト車両に、時間と同期したターゲットオブジェクトの位
置情報及び動き情報を取得するためのレーダーとビジョンセンサーを取り付ける。図１と
図２に示すように、Ｓ１１は具体的には、以下のステップを含み、
ステップＳ１１１、テスト車両の上部に、６４線レーザーレーダー１を取り付け、６４
線レーザーレーダー１がターゲットオブジェクトの縦方向及び横方向の座標位置、種類の
センサーの生データを取得することに用いられる。

ステップＳ１１２、テスト車両の前、後、左、右の４つの方向に第１のミリ波レーダー
２ａ、第２のミリ波レーダー２ｂ、第３のミリ波レーダー２ｃ、第４のミリ波レーダー２
ｄ及び第１のビジョンセンサー３ａ、第２のビジョンセンサー３ｂ、第３のビジョンセン
サー３ｃ、第４のビジョンセンサー３ｄをそれぞれ取り付け、各ビジョンセンサーとミリ
波レーダーによってターゲットオブジェクトの速度、加速度、縦方向及び横方向の位置情
報を取得する。

ステップＳ１１３、Ｓ１１ステップ及びＳ１１２ステップにおける６４線レーザーレー
ダー１及び各ミリ波レーダーとビジョンセンサーの前記テスト車両での位置に対してキャ
リブレーションを行う。キャリブレーション方法について従来のキャリブレーション方法
を用いて実現することができる。

なお、ステップＳ１１で各センサーによって収集されたデータがいずれもセンサーの生
データであるため、後のステップで生データを応用する前に、いずれもターゲットデータ
に解析する必要がある。生データは、カメラで撮影された写真、ビデオ、レーザーレーダ
ーでスキャンされたポイントクラウド、ミリ波レーダーで受信されたミリ波信号である。
ターゲットデータは、上記の３種センサーの生データを融合した後、歩行者、サイクリス
ト、車両などのターゲットオブジェクトの速度、位置データを取得する。「データ融合」
方法は、
レーザーレーダーが特徴抽出とポイントクラウドクラスタリング方法を用いてターゲッ
トを検出し、正確なターゲット位置情報を取得し、ビジョンセンサーが道路ターゲットに
対して機械学習に基づくターゲット検出を行い、レーザーレーダーによるターゲット検出
のためのターゲットカテゴリ情報を提供し、ミリ波レーダーが動的ターゲットを識別して
正確なターゲット速度と位置情報を提供することである。データ関連付け方法により、各
センサーで検出された同じターゲット情報をマッチングし、最終的に正確なターゲットオ
ブジェクトの位置情報と動き情報即ち座標、速度、加速度を取得する。

したがって、本実施例では６４線レーザーレーダー、ミリ波レーダー及びビジョンセン
サーで構成されたマルチセンサー検知システムを用いて車両プラットフォームを構築し、
周囲の移動物体、静止物体の位置情報と状態情報を識別できる。

いくつかの実施例では、ステップＳ１２での「運転者」の選択原則は、
運転経験が長く大きな交通事故を起こしなかった一定数の運転者を選択することを含む
。

「運転者」の数を可能な限り多くにし、このようにして可能な限り多くのテストデータ
を収集することで、より多くの運転者の運転習慣を考慮することができ、これにより、後
のステップＳ３及びステップＳ４で得られたリスク識別曲線は一般性と代表性をさらに有
し、リスク識別に対する運転者の受け入れ程度を向上させることに役立つ。

ステップＳ１２での「自走式車両及び環境に関連するテストデータ」は、自走式車両の
テストデータと環境のテストデータを含み、
自走式車両のテストデータはレーダーとビジョンセンサーによって収集された、時間と
同期したターゲットオブジェクトの位置情報と動き情報及び自走式車両のＣＡＮデータを
含む。自走式車両のＣＡＮデータは、エンジン回転数、ハンドル角度、車両速度、ギア、
加速及び減速とＧＰＳ情報を含む。各前記レーダーとビジョンセンサーによって収集され
たデータを融合し、正確なターゲットオブジェクトの位置情報と動き情報即ち座標、速度
、加速度を取得する。センサーによって取得された情報は、主に自走式車両以外の環境に
おける他の道路利用者、障害物の速度、自車との相対する位置。

ステップＳ１２での「異なる環境」は、環境タイプ、交通参加者、交通標識、道路標識
、天気条件を含み、
環境タイプについては、一級タイプがキャンパス、工業団地、都市、高速道路がであり
、二級タイプが上り坂、下り坂、橋の上、橋の下、トンネル、直線道路、曲線道路であり
、
交通参加者については、一級タイプが自動車、非自動車、静止物体であり、二級タイプ
には、動力車両がセダン、バス、ミニバン、トラック、中型乗用車、オートバイ、その他
の自動車を含み、非動力車両が歩行者、サイクリスト、二輪車、他の非動力車両を含み、
静止物体がバリケード、フェンスなどを含み、
交通標識については、一級タイプが交通標識板、信号機、車線であり、二級タイプには
、交通標識板が速度制限、高さ制限、重量制限、指示、警告、禁止、その他の標識板を含
み、信号機が円形、矢印、歩行者パターン、二輪車パターンを含み、
道路標識については、一級タイプが車線と路面標識を含み、二級タイプには車線がシン
グル実線、二重実線と点線を含み、路面標識が直線矢印、右折矢印、左折矢印、他の路面
標識を含み、
天気条件については晴れ、曇り、雨、雪である。

即ち、環境のテストデータは上記の「異なる環境」に示される様々な情報に対応する。
ステップＳ１２での時間と同期した「自走式車両及び環境に関連するテストデータ」は
データベースの方式によって記憶される。

以下、異なる「交通環境」について、前記アクション量
の数式を説明する。
一、ステップＳ１３での「交通環境」は、単一の車両が直線道路を走行することであり
、図３に示すように、車の流れの方向に沿って重力に類似する一定の力場及び転がり抵抗
、坂道抵抗、加速抵抗及び空気抵抗に起因する抵抗場が存在することを予め設定し、前記
ラグランジュ量
が次のように表され、

式中、
が自走式車両の縦方向の運動エネルギー
を含み、
が抵抗場
と一定の力場
を含み、
が車両の質量であり、
が車両の縦方向の変位であり、
が
一次導関数を表し、車両の縦方向の速度であり、
が
の二次導関数を表し、車両の縦方向の加速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両の風抵抗係数であり、
が車両の風上面積であり、
が車両回転質量換算係数であり、
が自動車理論の関連コンテンツに基づき、一般には、１．０５であってもよい。

二、Ｓ１３ステップでの「交通環境」は、単一の車両が車線
又は道路境界のある直線道路を走行することであり、図４に示すように、車の流れの方向
に沿って一定の力場及び転がり抵抗、坂道抵抗、加速抵抗及び空気抵抗に起因する抵抗場
が存在することを予め設定する。

車線
又は道路境界の影響を考慮する場合、走行安全フィールド理論に従って、
に位置する車線
又は道路境界で形成されたポテンシャルエネルギー場の
でのベクトル場の強さ
が次のように記述されてもよく、
したがって、車線
又は道路境界が近いほど、車両が受ける制約エネルギーが大きくなる。したがって、車線
又は道路境界によって生成された運転安全フィールドの力が次のように記述されてもよく
、
したがって、車線を考慮した単一の自走式車両の交通システムのラグランジュ量
が次のように表され、

式中、
が自走式車両の縦方向の運動エネルギー
と横方向の運動エネルギー
を含み、
が抵抗場
、一定の力場
と
に位置する車線又
は道路境界で形成されたポテンシャルエネルギー場の
でのベクトル場の強さを含み、
が車両の質量であり、
が車両の縦方向の変位であり、
が車両の縦方向の速度であり、
が車両の縦方向の加速度であり、
が車両の横方向の変位であり、
が
の一次導関数を表し、車両の横方向の速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両の風抵抗係数であり、
が車両の風上面積であり、
が車両の回転質量換算係数であり、
が車線
又は道路境界のタイプであり、その大きさが交通規制によって決定され（例えば、白い実
線が白い破線に対応する値よりも大きい）、
が車線
又は道路境界の道路影響因子を表し、
が車線の幅を表し、
が車線
又は道路境界から車両の重心
までの距離ベクトルを表し、
車線
又は道路境界から図４における白い長方形ブロックで示される車両の重心
までの距離ベクトルを表し、
の範囲が
であり、
が調整係数であり、
が車両の等価質量を表し、
が自走式車両が位置する場所の道路影響因子を表し、
が運転者影響因子を表す。

三、Ｓ１３ステップでの「交通環境」は、車追従モードにおける単一の車両が直線道路
を走行することであり、図５に示すように、車の流れの方向に沿って重力に類似する一定
の力場
、及び転がり抵抗、坂道抵抗、加速抵抗及び空気抵抗に起因する抵抗場が存在すると仮定
すると、
走行安全フィールド理論に従って、移動物体によって生成されるフィールド強さは次の
とおりであり、
式中、勾配
が次のとおりであり、

したがって、車追従プロセスでは、図５に示すように、
の番目車両に対して物体jによって生成されたポテンシャルエネルギーを取得することが
でき、該ポテンシャルエネルギーの式が次のとおりであり、物体ｊが
番目の車両以外の道路利用者又は障害物であり、
番目の車両が自走式車両であってもよいし、他の車両、即ち現在の研究されているオブジ
ェクト車両であってもよく、
したがって、前記ラグランジュ量は次のように表され、

式中、
が自走式車両の縦方向の運動エネルギー
と横方向の運動エネルギー
を含み、
が抵抗場
、一定の力場
、
に位置する車線
又は道路境界で形成されたポテンシャルエネルギー場の
でのベクトル場の強さ
を含み、
が
番目車両に対して物体ｊによって生成されたポテンシャルエネルギーを表し、
が車両の質量であり、
が車両の縦方向の変位であり、
が車両の縦方向の速度であり、
が車両の縦方向の加速度であり、
が車両の横方向の変位であり、
が車両の横方向の速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両の風抵抗係数であり、
が車両の風上面積であり、
が車両の回転質量換算係数であり、
が
に位置する車線
で形成されたポテンシャルエネルギー場の
でのベクトル場の強さであり、
が車線a又は道路境界のタイプを表し、その大きさが交通規制によって決定され（例えば
、白い実線が白い破線に対応する値よりも大きい）、
が車線a又は道路境界の道路影響因子を表し、
が車線の幅を表し、
が車線
又は道路境界から車両の重心
までの距離ベクトルを表し、
が車線
と道路境界から図４における白い長方形ボックスで示される車両の重心
までの距離ベクトルであり、
の範囲が
であり、
が調整係数であり、
が車両の等価質量を表し、
が自走式車両が位置する場所の道路影響因子を表し、
が運転者影響因子を表し、
が
番目の車両に対して物体ｊによって生成されたポテンシャルエネルギーを表し、
が車線
を表し、
合計
本の車線があることを表し、
が
つ個の道路利用者がいることを表し、
が１個の調整係数である。

一実施例では、運転者が車両を運転するプロセスにおいて、常に効率を最大化しながら
リスクを回避することを図り、即ち安全性を確保しながら効率を可能な限り向上させ、即
ち運転者の運転制御動作がアクション量の数式でシステムアクション量
として説明されて極値をとることができ、アクション量の値を最小にし、

即ち、任意の運転者が車両を運転する場合、その運転制御動作が他の求める速度で示され
てもよく、該速度が上記を解くことで取得されてもよい。

例えば、図３の単一の車両が自由に走行するシーンでは、システムのアクション量は次
のように記述されてもよく、

の極小値を求めるために、以上の説明に従って、汎関数
が極値をとる時に、その変分が０であることを必ず満たし、したがって、
以下を得ることでき、
即ち、上記の方法を用いて、図３に示すＳ１３ステップでの「交通環境」が単一の車両
が直線道路を走行することである場合、現在の走行指導速度が以下のとおりであり、
なお、上記各パラメータでは、
番目の車両が車両プラットフォーム自体であり、したがって、ここで
が既知であり、
、
がいずれも自走式車両のＣＡＮデータである。

が転がり抵抗係数であり、
が勾配であり、
が車両の風抵抗係数であり、
が車両の風上面積であり、
が車両の回転質量換算係数であり、技術マニュアル又は教科書の内容から取得されてもよ
い。

がカメラによって識別されることで取得され、
がマルチセンサーによってデータを融合することで取得される。
が車両の等価質量を表し、走行安全フィールド理論に従って取得されてもよく、
、
が経験値をとることができる。
本発明は、最小アクション量原理に基づく運転者制御動作定量化装置をさらに提供し、
前記最小アクション量原理に基づく運転者制御動作定量化装置は、
車両に設置され、時間と同期した自走式車両情報及び交通環境情報を取得することに用
いられる情報収集装置と、
電子制御ユニットであって、前記電子制御ユニットに運転者制御メカニズム定量的記述
モジュールを予め設置し、前記運転者制御メカニズム定量的記述モジュールが運転者の運
転制御動作の交通リスクと通行効率を同時に反映するアクション量
を含み、
の数式が式（１）であり、
（３）
式中、
が前記予め設定された交通プロセスにおける自走式車両のアクション量を表し、
が前記予め設定された交通プロセスの開始時点であり、
が前記予め設定された交通プロセスの終了時点であり、
が予め設定された交通プロセスにおける自走式車両のラグランジュ量を表し、
の式が次のとおりであり、
式中、
が自走式車両の運動エネルギーを表し、
が自走式車両が受けるポテンシャルエネルギーを表し、該ポテンシャルエネルギーが予め
設定された、車の流れの方向に沿って存在する一定の力場と抵抗場によって決定される電
子制御ユニットとを備え、
前記電子制御ユニットが時間と同期した前記自走式車両情報及び交通環境情報に基づき
、
で現在の走行指導速度を取得し、アクション量
の値を最小にする。

本発明は、インテリジェント車両をさらに提供し、前記インテリジェント車両は、上記
実施例に記載の最小アクション量原理に基づく運転者制御動作定量化装置を備える。

最後に説明すべきものとして、以上の実施例は本発明の技術的解決手段を説明するため
のものだけであるがそれを制限しない。当業者は、上記の各実施例に記載の技術的解決手
段を変更し、又はそのうちの一部の技術的特徴に対して同等入れ替えを行うことができ、
これらの変更又は入れ替えが対応する技術的解決策の本質を本発明の各実施例の技術的解
決手段の精神及び範囲から逸脱させないことを理解すべきである。

Claims

最小アクション量原理に基づく運転者制御動作定量化方法であって、
自走式車両の電子制御ユニットに運転者制御メカニズム定量的記述モジュールを予め設
置し、前記運転者制御メカニズム定量的記述モジュールが運転者の運転制御動作の交通リ
スクと通行効率を同時に反映するアクション量
を含み、
の数式が式（１）であり、
式中、
が前記予め設定された交通プロセスにおける自走式車両のアクション量を表し、
が前記予め設定された交通プロセスの開始時点であり、
が前記予め設定された交通プロセスの終了時点であり、
が予め設定された交通プロセスにおける自走式車両のラグランジュ量を表し、
の式が次のとおりであり、
式中、
が自走式車両の運動エネルギーを表し、
が自走式車両が受けるポテンシャルエネルギーを表し、該ポテンシャルエネルギーが予め
設定された、車の流れの方向に沿って存在する一定の力場と抵抗場によって決定されるＳ
１ステップと、
自走式車両の情報収集装置により、時間と同期した自走式車両情報及び交通環境情報を
取得するＳ２ステップと、
時間と同期した前記自走式車両情報及び交通環境情報に基づき、運転者制御メカニズム
定量的記述モジュールにおける
で現在の走行指導速度を取得し、前記アクション量
の値を最小にするＳ３ステップとを含むことを特徴とする最小アクション量原理に基づく
運転者制御動作定量化方法。
前記アクション量
の取得方法は、
テスト車両に交通環境情報収集装置を取り付けることで、車両プラットフォームを構築
するＳ１１ステップと、
異なる運転者が前記車両プラットフォームを運転して異なる環境において自由走行テス
トを行うことで、時間と同期した自走式車両及び環境に関連するテストデータを収集する
Ｓ１２ステップと、
前記テストデータに基づき、任意の交通環境における前記アクション量
の数式を取得するＳ１３ステップとを含むことを特徴とする
請求項１に記載の最小アクション量原理に基づく運転者制御動作定量化方法。
Ｓ１３ステップでの「交通環境」は、単一の車両が直線道路を走行することであり、車
の流れの方向に沿って一定の力場及び転がり抵抗、坂道抵抗、加速抵抗及び空気抵抗に起
因する抵抗場が存在することを予め設定し、前記ラグランジュ量
が次のように表され、

式中、
が車両
の質量であり、
が車両
の縦方向の変位であり、
が車両
の縦方向の速度であり、
が車両
の縦方向の加速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両の風抵抗係数であり、
が車両の風上面積であり、
が車両回転質量換算係数であることを特徴とする
請求項２に記載の最小アクション量原理に基づく運転者制御動作定量化方法。
Ｓ１３ステップでの「交通環境」は、単一の車両が車線又は道路境界のある直線道路を
走行することであり、車の流れの方向に沿って一定の力場及び転がり抵抗、坂道抵抗、加
速抵抗及び空気抵抗に起因する抵抗場が存在することを予め設定し、前記ラグランジュ量
が次のように表され、
式中、
が車両
の質量であり、
が車両
の縦方向の変位であり、
が車両
の縦方向の速度であり、
が車両
の縦方向の加速度であり、
が車両
の横方向の変位であり、
が
の一次導関数を表し、車両
の横方向の速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両
の風抵抗係数であり、
が車両
の風上面積であり、
が車両
の回転質量換算係数であり、
が
に位置する車線
又は道路境界によって形成されたポテンシャルエネルギー場の
でのベクトル場の強さであり、
が車線
又は道路境界のタイプを表し、
が車線
又は道路境界の道路影響因子を表し、
が車線の幅を表し、
が車線
又は道路境界から車両の重心
までの距離ベクトルを表し、
が調整係数であり、
が車両
の等価質量を表し、
が自走式車両が位置する場所の道路影響因子を表し、
が運転者影響因子を表すことを特徴とする
請求項２に記載の最小アクション量原理に基づく運転者制御動作定量化方法。
Ｓ１３ステップでの「交通環境」は、車追従モードにおける単一の車両が直線道路を走
行することであり、車の流れの方向に沿って重力に類似する一定の力場
、及び転がり抵抗、坂道抵抗、加速抵抗及び空気抵抗に起因する抵抗場が存在すると仮定
すると、前記ラグランジュ量
が次のように表され、
であり、
式中、
が車両
の質量であり、
が車両
の縦方向の変位であり、
が車両
の縦方向の速度であり、
が車両
の縦方向の加速度であり、
が車両
の横方向の変位であり、
が車両
の横方向の速度であり、
が重力加速度であり、
が転がり抵抗係数であり、
が勾配であり、
が車両
の風抵抗係数であり、
が車両
の風上面積であり、
が車両
の回転質量換算係数であり、
が
に位置する車線
又は道路境界によって形成されたポテンシャルエネルギー場の
でのベクトル場の強さであり、
が車線
又は道路境界のタイプを表し、
が車線又は道路境界の道路影響因子を表し、
が車線の幅を表し、
が車線
又は道路境界から車両
の重心
までの距離ベクトルを表し、
が調整係数であり、
が車両
の等価質量を表し、
が自走式車両が位置する場所の道路影響因子を表し、
が運転者影響因子を表し、
が
番目の車両に対して物体
によって生成されたポテンシャルエネルギーを表し、
が車線を表し、
が合計
本の車線があることを表し、
が
個の道路利用者がいることを表し、
が１個の調整係数であることを特徴とする
請求項２に記載の最小アクション量原理に基づく運転者制御動作定量化方法。
最小アクション量原理に基づく運転者制御動作定量化装置であって、
自走式車両に設置され、時間と同期した自走式車両情報及び交通環境情報を取得するこ
とに用いられる情報収集装置と、
電子制御ユニットに運転者制御メカニズム定量的記述モジュールを予め設置し、前記運
転者制御メカニズム定量的記述モジュールが運転者の運転制御動作の交通リスクと通行効
率を同時に反映するアクション量
を含み、
の数式が式（１）であり、
（１）
式中、
が前記予め設定された交通プロセスにおける自走式車両のアクション量を表し、
が前記予め設定された交通プロセスの開始時点であり、
が前記予め設定された交通プロセスの終了時点であり、
が予め設定されを予め設定した交通プロセスにおける自走式車両のラグランジュ量を表し
、
の式が次のとおりであり、
であり、
式中、
が自走式車両の運動エネルギーを表し、
が、自走式車両が受けるポテンシャルエネルギーを表し、該ポテンシャルエネルギーを予
め設定した、車の流れの方向に沿って存在する一定の力場と抵抗場によって決定される電
子制御ユニットとを備え、
前記電子制御ユニットは、時間と同期した前記自走行情報及び交通環境情報に基づき、
で現在の走行指導速度を取得し、アクション量
の値を最小にすることに用いられることを特徴とする
最小アクション量原理に基づく運転者制御動作定量化方法装置。
インテリジェント車両であって、請求項６に記載の最小アクション量原理に基づく運転
者制御動作定量化装置を備えることを特徴とするインテリジェント車両。