JP2021075119A - 走行支援装置の走行支援方法、及び走行支援装置 - Google Patents

Abstract

【課題】走行シーンに応じて適切な姿勢制御が可能となる走行支援装置の走行支援方法、及び走行支援装置を提供する。【解決手段】走行支援装置は、車両を自動走行させるための軌跡を算出し、軌跡に基づいて車両の姿勢を制御するコントローラを備える。コントローラは、車両の前方において、車両から所定距離離れた地点までの軌跡の曲率分布を取得し、曲率分布に基づいて軌跡上の走行シーンの定常状態の度合いを示す定常割合を算出し、定常割合に応じて姿勢を制御する。【選択図】図１

Description

本発明は、走行支援装置の走行支援方法、及び走行支援装置に関する。

従来より、車体のスリップ角特性を自動運転に適用した発明が知られている（特許文献１）。特許文献１に記載された発明は、進行方向前方の検出結果に基づいて自動運転制御を実行し、自動運転制御の実行の有無に応じてスリップ角特性を変更する。

国際公開第２０１４／０１６９４７号公報

自動運転において、車両の姿勢を適切に制御するためには車両の将来の走行シーンがどのような走行シーンなのか判定することが求められる。定常状態及び過渡状態のそれぞれ状態で適切な姿勢制御が求められるが、特許文献１に記載された発明は、走行シーンを判定していないため、適切な姿勢制御が困難となるおそれがある。

本発明は、上記問題に鑑みて成されたものであり、その目的は、走行シーンに応じた適切な姿勢制御が可能となる走行支援装置の走行支援方法、及び走行支援装置を提供することである。

本発明の一態様に係る走行支援装置の走行支援方法は、車両の前方において、車両から所定距離離れた地点までの軌跡の曲率分布を取得し、曲率分布に基づいて軌跡上の走行シーンの定常状態の度合いを示す定常割合を算出し、定常割合に応じて姿勢を制御する。

本発明によれば、走行シーンに応じた適切な姿勢制御が可能となる。

図１は、本発明の実施形態に係る自動運転のアーキテクチャを示すブロック図である。 図２は、本発明の実施形態に係る自動運転のアーキテクチャを示すブロック図である。 図３は、走行シーンの一例を説明する図である。 図４は、取得する曲率分布の範囲を説明する図である。 図５は、旋回強度の算出方法の一例を説明する図である。 図６は、走行シーンの判定方法の一例を説明する図である。 図７は、本発明の実施形態に係る走行支援装置の一動作例を説明するフローチャートである。

以下、本発明の実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。

（自動運転のアーキテクチャ）
本実施形態に係る走行支援装置は、自動運転機能を有する車両に用いられる。図１を参照して、本実施形態における自動運転のアーキテクチャを説明する。なお、本実施形態において、自動運転機能には車間を制御するアダプティブクルーズコントロール（Ａｄａｐｔｉｖｅ Ｃｒｕｉｓｅ Ｃｏｎｔｒｏｌ：ＡＣＣ）、車線逸脱を防止するレーンキープアシスト（Ｌａｎｅ Ｋｅｅｐｉｎｇ Ａｓｓｉｓｔ Ｓｙｓｔｅｍ：ＬＫＡＳ）などの走行支援制御が少なくとも含まれる。

自動運転において、自己位置を把握すること、車両周囲の情報を把握することが求められる。これらの把握によって、車両は自動的に車線変更を実施したり、交差点で適切な方向に進むことが可能となり、目的地に到達することが可能となる。自己位置を把握するためのアーキテクチャ、及び車両周囲の情報を把握するためのアーキテクチャは、図１の参照符号１００〜１０５によって示される。

図１の参照符号１００で示されるセンサ群（Ｓｅｎｓｏｒｓ）は、様々な情報を検出する。これらのセンサ群１００は車両に搭載される。センサ群１００には、光波を用いて距離を測定するレーザレンジファインダ、レーダ、ライダ、静止画及び動画を取得するカメラ、超音波を用いて距離を測定するソナーなどが含まれる。さらに、センサ群には、車両の速度を検出する速度センサ、車両の加速度を検出する加速度センサ、車両の舵角を検出する舵角センサ、ジャイロセンサなども含まれる。

より詳しくは、カメラは、車両の前方、側方、後方、サイドミラーなどに複数設けられる。カメラは、ＣＣＤ（ｃｈａｒｇｅ−ｃｏｕｐｌｅｄ ｄｅｖｉｃｅ）、ＣＭＯＳ（ｃｏｍｐｌｅｍｅｎｔａｒｙ ｍｅｔａｌ ｏｘｉｄｅ ｓｅｍｉｃｏｎｄｕｃｔｏｒ）などの撮像素子を有する。カメラは、車両の周囲に存在する物体（歩行者、自転車、二輪車、他車両など）、及び車両の周囲の情報（道路境界線、信号機、標識、横断歩道、交差点など）を検出する。

レーダは、車両の前方の物体に電波を発射し、その反射波を測定することにより、物体までの距離及び方向を測定する。ライダ（ＬＩＤＡＲ：Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）は、レーザ光によるスキャンを水平方向及び垂直方向に行い、車両の周囲に存在する物体の位置及び形状を測定する。

また、センサ群１００には、ＧＰＳ受信機が含まれてもよい。ＧＰＳ受信機は、人工衛星からの電波を受信することにより、地上における車両の位置情報（緯度及び経度情報を含む）を検出する。ただし、車両の位置情報を検出する方法は、ＧＰＳ受信機に限定されない。例えば、オドメトリと呼ばれる方法を用いて位置を推定してもよい。オドメトリとは、車両の回転角、回転角速度に応じて車両の移動量及びと移動方向を求めることにより、車両の位置を推定する方法である。

センサ群１００によって検出された情報は、車両に搭載されたコントローラ（不図示）に送信され、処理される。コントローラは、一例として、ＣＰＵ（中央処理装置）、メモリ、及び入出力部を備える汎用のマイクロコンピュータである。マイクロコンピュータには、走行支援装置として機能させるためのコンピュータプログラムがインストールされている。コンピュータプログラムを実行することにより、マイクロコンピュータは、走行支援装置が備える複数の情報処理回路として機能する。なお、ここでは、ソフトウェアによって走行支援装置が備える複数の情報処理回路を実現する例を示すが、もちろん、以下に示す各情報処理を実行するための専用のハードウェアを用意して、情報処理回路を構成することも可能である。

なお、このようなコントローラは、ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）も含む。通常、車両には複数のＥＣＵが設けられる。ＥＣＵは、車両の走行制御の他に、ステレオ、エアコンなどの制御にも用いられる。

センサ群１００によって検出された情報は、検出された地域に適合するようにローカライズされる（図１の参照符号１０３）。

センサ群１００によって検出された情報と地図情報とが統合され、コントローラ中の環境認識部１０４はワールドモデルを生成する。ここでいうワールドモデルとは、静的な地図情報及び高精度地図に、自己位置情報、他車両情報、歩行者情報などの動的な位置情報を組み合わせたデジタル地図上の周囲環境情報を意味する。

ここで高精度地図について説明する。高精度地図とは、道路の車線数、道幅情報、道路の起伏情報などの道路情報、速度制限、一方通行などを示す道路標識、横断歩道、区画線などを示す道路標示などの情報を含む地図をいう。さらに、高精度地図には道路構造物（例えば信号機、電信柱）、建物などの設備情報が含まれてもよい。これらの高精度地図情報は、図１に示すＨＤマップ１０２が備えている。環境認識部１０４は、自己位置及び自己位置周囲の高精度地図をＨＤマップ１０２から読み出し、読み出した地図上に自己位置情報、他車両情報、歩行者情報などの動的な位置情報を設定してワールドモデルを生成する。

なお、道路情報、設備情報などの各種データはＨＤマップ１０２から取得されるものに限定されず、車車間通信、路車間通信を用いて取得されてもよい。道路情報、設備情報などの各種データが外部に設置されたサーバに記憶されている場合、コントローラは、通信により随時これらのデータをクラウドから取得してもよい。また、コントローラは、外部に設置されたサーバから定期的に最新の地図情報を入手して、保有する地図情報を更新してもよい。

コントローラ中の物体認識部１０５は、センサ群１００によって検出された情報に基づいて生成された車両周囲の物体の認識情報を生成し、ローカルモデルを生成する。ローカルモデルには、物体の認識情報として、他車両情報、歩行者情報などが含まれる。他車両情報には、他車両の速度、進行方向、走行車線などが含まれる。歩行者情報には、歩行者の属性（大人か子どもか）、顔の向き、進行方向などが含まれる。物体認識部１０５によって生成されたローカルモデルは、ワールドモデルの生成に用いられる。

次に、自動運転の走行制御のアーキテクチャについて、図１の参照符号１０６〜１１１を参照して説明する。

ユーザは、ナビゲーション装置１０１（Ｎａｖｉｇａｔｉｏｎ）を用いて目的地を設定する（図１の参照符号１０６、Ｄｅｓｔｉｎａｔｉｏｎ ｓｅｔｔｉｎｇ）。ナビゲーション装置１０１は、ＨＤマップ１０２を読み出して目的地に到達する経路を計画する。目的地に到達する経路に交差点が存在する場合は、交差点に進入する車線に車線変更するタイミングなども計画される（図１の参照符号１０７、Ｒｏｕｔｅ ｐｌａｎｎｉｎｇ）。

コントローラ中の行動決定部１０８は、環境認識部１０４、物体認識部１０５によって生成された情報を用いて設定された経路に沿って自動走行する際の行動を決定する。さらに行動決定部１０８は、自車両を進行もしくは停止させるための決定を下す。例えば、信号機の色が赤であれば車両を停止させ、信号機の色が青であれば車両を走行させる。また行動決定部１０８は、車線変更を行う場合における方向指示器を点灯させるタイミング、ステアリングホイールを操作するタイミングなどを決定する。

次に、コントローラは、物体認識部１０５によって生成されたローカルモデル及びＨＤマップ１０２を読み込んで、ドライブゾーンを計画する（図１の参照符号１０９、Ｄｒｉｖｅ Ｚｏｎｅ ｐｌａｎｎｉｎｇ）。ドライブゾーンとは、車両が走行可能な領域と定義される。走行中において、様々な障害物（他車両、バイク、道路上の落下物など）がセンサ群１００によって検出される。コントローラはこれらの障害物を考慮してドライブゾーンを計画する。

次に、コントローラは、ドライブゾーンに沿ったトラジェクトリを設定する（図１の参照符号１１０）。トラジェクトリとは、車両の走行軌跡を示す複数の点を結んで構成され、各点は車両の位置情報と、その位置における車両の姿勢情報から成る。姿勢情報には姿勢角が含まれる。コントローラは、トラジェクトリの生成に合わせて、トラジェクトリに沿って走行する時の車速プロファイルも合わせて生成する。一般的に、乗員に与える違和感、車両の限界挙動の観点で、トラジェクトリの曲率半径が大きいほど車速を高く設定することができる。コントローラは、トラジェクトリの曲率半径に基づいて車速プロファイルを設定してもよく、逆に車速プロファイルに基づいてトラジェクトリを生成してもよい。

次に、コントローラは、トラジェクトリに沿って車両を適切な姿勢で走行させるために、車両の姿勢を制御する（図１の参照符号１１１、ｍｏｔｉｏｎ ｃｏｎｔｒｏｌ）。

次に、図２を参照して、モーション制御１１１の詳細について説明する。

図２に示すＡＤ（Ａｕｔｏｎｏｍｏｕｓ Ｄｒｉｖｉｎｇ）レイヤ１１１ａは、上段で示した自動運転機能を構成する層である。具体的にはＡＤレイヤ１１１ａは、図１に示す参照符号１００〜１１０によって形成される層である。

ＡＤレイヤ１１１ａから自動運転に用いられる情報がアービトレーション１１１ｄに入力される（ＡＤ入力１１１ｂ）。アービトレーション１１１ｄには、乗員の自発的な運転操作に関する情報も入力される（ＭＤ入力１１１ｃ）。乗員の自発的な運転操作に関する情報には、乗員によるステアリングホイールの操作、アクセルペダルの操作、ブレーキペダルの操作が含まれる。

自動運転中に乗員による介入操作が行われた場合、自動運転から手動運転に切り替わる。自動運転から手動運転に切り替わることは、オーバーライドと呼ばれる。アービトレーション１１１ｄは、ＡＤ入力１１１ｂ及びＭＤ入力１１１ｃを監視し、自動運転から手動運転に切り替えたり、自動運転に係る処理と手動運転に係る処理とが競合しないように調停する。オーバーライドは、自動運転から手動運転に切り替わることと説明したが、これに限定されない。オーバーライドは、自動運転中における乗員の介入操作そのものと定義されてもよい

自動運転から手動運転に切り替わる（オーバーライド）とは、通常乗員に全ての運転権限が移譲されることを意味する。しかしながら、オーバーライドは必ずしも乗員に全ての運転権限が移譲されることを意味しない。例えば、乗員の介入操作がわずかな操作であった場合、乗員の意図として全ての運転権限の移譲を要求しているとは言い切れない。そこで、アービトレーション１１１ｄは、自動運転中に乗員の介入操作を検出した場合（オーバーライドが発生したと判断した場合）、乗員の介入操作割合を示すオーバーライド量を算出する。そして、アービトレーション１１１ｄは、算出したオーバーライド量に基づいて、自動運転に係る処理と手動運転に係る処理とが競合しないように調停する。

レファレンスモデル１１１ｅは、車両の姿勢（特に旋回時の姿勢）を算出するための機能である。レファレンスモデル１１１ｅは、ヨーモーメント、ヨーレート、スリップ角を算出する。具体的には、レファレンスモデル１１１ｅは、車両が将来走行する道路の曲率を取得する。曲率は、例えばカメラ画像を用いて取得される。カメラ画像から得られた車両の前方の曲線を円弧に近似し、この円弧の半径の逆数を曲率とすればよい。一般に曲率は曲率半径の逆数と定義される。レファレンスモデル１１１ｅは、車両の速度、車両に発生する横力（横方向の位置ずれ）、姿勢角などを用いてカーブを適切に走行するためのヨーモーメント、ヨーレート、スリップ角を算出する。

ボディモーションコントロール１１１ｆは、レファレンスモデル１１１ｅによって算出されたヨーモーメント、ヨーレート、スリップ角が得られるようにフィードバック制御を実施する。ホイールモーションコントロール１１１ｇは、レファレンスモデル１１１ｅによって算出されたヨーモーメント、ヨーレート、スリップ角が得られるように前輪及び後輪を制御するＥＣＵに転舵制御指令を出力する。

最後にコントローラは、各種のアクチュエータ（アクセルペダルアクチュエータ、ブレーキアクチュエータ、ステアリングアクチュエータ）を制御する（図２の参照符号１１１ｈ、Ａｃｔｕａｔｉｏｎ）。これにより、乗員に違和感を与えることが少ない自動運転が実現する。

次に、図３〜６を参照して、走行支援装置による走行シーンの判定方法の一例を説明する。まず図３を参照して判定の対象となる走行シーンの具体例を説明する。

図３に示す道路において走行シーンは、一例として、直線、カーブの入口、定常円旋回、カーブの出口に分類される。走行支援装置は、車両が将来走行する道路がどのような走行シーンなのか、直線か、カーブの入口か、定常円旋回か、カーブの出口かを判定する。走行支援装置は、判定結果に基づいて、上述したヨーモーメント、ヨーレート、スリップ角などを制御する。これにより、走行シーンに適した姿勢制御が可能となり、乗員に違和感を与えることが少ない自動運転が実現する。なお、カーブの入口とは、一例として軌跡を構成する複数の点の内、前後の点の位置関係において前方に向かうにつれて曲率が大きくなる地点をいう。あるいは、カーブの入口とは、曲率が大きくなる傾向が検出される地点と定義されてもよい。カーブの出口とは、一例として軌跡を構成する複数の点の内、前後の点の位置関係において前方に向かうにつれて曲率が小さくなる地点をいう。あるいは、カーブの出口とは、曲率が小さくなる傾向が検出される地点と定義されてもよい。なお、前後の点の位置関係とは、軌跡を構成する複数の点の内、所定の点と、この所定の点から見て前方の点との関係をいう。所定の点から見て前方の点とは、所定の点から見て一つ先の点でもよく、所定の点から見て任意の先の点でもよい。

次に、走行シーンの判定方法の具体例について説明する。まずコントローラは図４に示すように、自動走行中に、車両の前方において、車両から所定距離（図４に示すＬ）離れた地点までの軌跡の曲率分布を取得する。軌跡は上述したように、複数の点で構成される。軌跡の曲率分布とは、軌跡を示す複数の点を結んで示される道路形状の曲率の分布である。図４に示す所定距離Ｌは、特に限定されず、１０ｍでもよく、２０ｍでもよい。なお、車両から所定距離離れた地点までの軌跡の曲率分布とは、図４に示す領域Ｒで囲まれた全ての点の曲率を意味する。

曲率を取得する方法は特に限定されない。上述したように、コントローラは、カメラ画像から得られた車両の前方の曲線を円弧に近似し、この円弧の半径の逆数を曲率として取得してもよい。カーブにおいて、曲率半径を示す標識が設けられる場合がある。このような標識の一例として、Ｒ＝３００という表示が挙げられる。コントローラは、カメラによって撮像された標識に対して所定の画像処理を行い、曲率半径（上述のＲ＝３００）を取得してもよい。曲率半径の逆数から曲率が得られる。あるいは、コントローラは、トラジェクトリに係る位置情報の分布を用いた最小二乗法によって円の近似を行い、曲率を求めてもよい。

また、コントローラは左右の曲率について、それぞれの曲率の最大値（以下、最大曲率と呼ぶ）を取得する。最大曲率は上述と同様の方法により取得可能である。曲率が一定である場合、曲率＝最大曲率となる。ここでいう左右とは、車両の進行方向に対する左右を意味する。

さらに、コントローラは、曲率の平均、標準偏差、及び歪度を算出する。歪度とは、曲率の歪み度合いを示す。

次に図５を参照して、取得した曲率分布に基づく走行シーンの判定方法について説明する。

まず、コントローラは、参照符号２００で示されるように、基準曲率を算出する。基準曲率とは、走行シーンを判定する際に基準となる曲率である。曲率分布は基準曲率を用いて正規化される。コントローラは、現在の車両の速度Ｖと、車両の最大横加速度GyMaxTrajと、ベースゲインK_PTCとを用いて基準曲率RhoRefを算出する。基準曲率RhoRefは下記の式（１）で算出される。

ここでｇは、重力加速度である。

コントローラは、参照符号２０１で示されるように、曲率の増減を抽出する。コントローラは、車両の前方の曲率と、車両の現在位置の曲率とを用いて曲率の増減を抽出する。ここでいう車両の前方の曲率とは、図４の領域Ｒに含まれる軌跡のそれぞれの曲率である。曲率の増減を抽出する理由は、主として走行シーンがカーブ入口なのかカーブ出口なのかを判定するためである。参照符号２０１の処理により、カーブ入口を示すパラメータRhoEntryと、カーブ出口を示すパラメータRhoExitとが算出される。

図５に示すように曲率の平均は、曲率の平均を示すパラメータRhoAveとして扱われる。曲率の標準偏差は、曲率の標準偏差を示すパラメータRhoStdとして扱われる。

コントローラは、参照符号２０２で示されるように、歪度を有次元化する。コントローラは、曲率の標準偏差と、左右の最大曲率と、歪度とを用いて歪度を有次元化する。具体的には、コントローラは、歪度を左右それぞれ別にした曲率に変換する。曲率の標準偏差を示すパラメータをRhoStdとし、左側の最大曲率をRhoMaxとし、歪度をSkewnessとした場合、左側の歪度RhoSQN_Lは、下記の式（２）で算出される。

右側の最大曲率をRhoMinとした場合、右側の歪度RhoSQN_Rは、下記の式（３）で算出される。

有次元された歪度を示すパラメータをRhoSQNとした場合、RhoSQNは下記の式（４）で算出される。

コントローラは、参照符号２０３で示されるように、パラメータRhoEntry,RhoExit,RhoAve,RhoStd,RhoSQNを曲率成分に変換する。具体的には、コントローラは、これらのパラメータを基準曲率RhoRefで除算して無次元化（正規化）する。無次元化されたパラメータを、NormRhoEntry,NormRhoExit,NormRhoAve,NormRhoStd,NormRhoSQNとした場合、無次元化されたパラメータは、下記の式（５）〜（９）で算出される。

無次元化されたパラメータの値は、０〜１となる。なお、各パラメータ（RhoEntry,RhoExit,RhoAve,RhoStd,RhoSQN）が基準曲率RhoRefと同値である場合、無次元化されたパラメータの値は１となる。

上記の正規化（無次元化）の結果に基づいて、コントローラは、取得した曲率分布が正規分布であるのか非正規分布であるのか判定する。正規化によって得られた分布が正規分布であるのか非正規分布であるのか判定する手法は特に限定されないが、例えば予め正規分布、非正規分布に分類されたデータを用意し、これらのデータと比較し、その一致度に基づいて正規分布であるのか非正規分布であるのか判定してもよい。

コントローラは、参照符号２０３による処理の結果、曲率分布が正規分布であると判定した場合、走行シーンは定常状態であると判定する（図６参照）。定常状態とは曲率の変化が相対的もしくは絶対的に小さいことを意味する。すなわち、図６に示すように、走行シーンは定常状態であるとは、走行シーンが直線もしくは定常円旋回であることを意味する。なお、曲率の変化が相対的に小さいとは、過渡状態における曲率の変化と比較して小さいという意味である。

走行シーンが定常状態である場合において、一例として曲率の平均がほぼゼロ（曲率半径が無限大）であれば走行シーンは直線と判定される。また、走行シーンが定常状態である場合において、一例として曲率の平均がほぼ１００Ｒであれば走行シーンは定常円旋回と判定される。なお、１００Ｒはあくまで例示であり、曲率の平均が２００Ｒであっても３００Ｒであっても走行シーンは定常円旋回と判定されてもよい。

一方、コントローラは、参照符号２０３による処理の結果、曲率分布が非正規分布であると判定した場合、走行シーンは過渡状態であると判定する（図６参照）。過渡状態とは曲率の変化が相対的もしくは絶対的に大きいことを意味する。すなわち、図６に示すように、走行シーンは過渡状態であるとは、走行シーンがカーブ入口もしくはカーブ出口であることを意味する。

走行シーンが過渡状態である場合において、一例として軌跡の前後において前方に向かうにつれて曲率が大きくなるならば走行シーンはカーブ入口と判定される。前方とは車両から見た前方を意味する。また、走行シーンが過渡状態である場合において、一例として軌跡の前後において前方に向かうにつれて曲率が小さくなるならば走行シーンはカーブ出口と判定されてもよい。

コントローラは、参照符号２０４で示されるように、無次元化されたパラメータNormRhoEntry,NormRhoExit,NormRhoAve,NormRhoStd,NormRhoSQNwo（曲率成分）を旋回強度に変換する。旋回強度とは、軌跡上の走行シーンがどのような走行シーンであるのかを示す割合である。旋回強度は、軌跡上の走行シーンの定常状態の度合いを示す定常割合と、軌跡上の走行シーンの過渡状態の度合いを示す過渡割合と、を含む。本実施形態において旋回強度を算出する理由は、旋回強度に応じてヨーモーメント、ヨーレート、スリップ角などを制御することにより、走行シーンに応じた適切な姿勢制御を行うためである。旋回強度への変換は次の手順で処理される。

まずコントローラは、曲率分布の定常成分を抽出する。定常成分を抽出するための係数をFactorTRA,FactorSTAとした場合、係数FactorTRA,FactorSTAは、下記の式（１０）〜（１１）で算出される。

続いてコントローラは、曲率分布の不定旋回成分を抽出する。不定旋回成分とは、過渡状態においてカーブ入口であるのかカーブ出口であるのか判定されない成分である。不定旋回成分をNormRhoUndefとした場合、不定旋回成分NormRhoUndefは、下記の式（１２）で算出される。

続いてコントローラは、過渡成分FactorTRA,FactorSTAを用いて曲率成分を旋回強度に変換する。カーブ入口を示す旋回強度をKappaCorEntry、カーブ出口を示す旋回強度をKappaCorExit、カーブ入口またはカーブ出口として判定されない旋回強度をKappaCorUndefとした場合、これらの旋回強度は、下記の式（１３）〜（１５）で算出される。

続いてコントローラは、直線成分、定常円成分を抽出する。直線成分をNormStraightとし、定常円成分をNormCircleとした場合、直線成分NormStraight及び定常円成分NormCircleは、下記の式（１６）で算出される。

続いてコントローラは、曲率成分を旋回強度に変換する。定常円旋回を示す旋回強度をKappaCircle、直線を示す旋回強度をKappaStraightとした場合、これらの旋回強度は、下記の式（１７）〜（１８）で算出される。

本実施形態において、５つの旋回強度KappaCorEntry,KappaCorExit,KappaCorUndef,KappaCircle,KappaStraightの合計は１となるように算出される。例えば、曲率の平均がほぼゼロとなる直線であれば、KappaCorEntryは０、KappaCorExitは０、KappaCorUndefは０、KappaCircleは０．１、KappaStraightは０．９と算出される。旋回強度KappaCorEntry,KappaCorExit,KappaCorUndefは、軌跡上の走行シーンの過渡状態の度合いを示す過渡割合である。また、旋回強度KappaCircle,KappaStraightは、軌跡上の走行シーンの定常状態の度合いを示す定常割合である。

コントローラは、算出した旋回強度に応じてヨーモーメント、ヨーレート、スリップ角などを制御することにより、走行シーンに応じた適切な姿勢制御を行う。これにより、乗員に違和感を与えることが少ない自動運転が実現する。

次に、図７のフローチャートを参照して、走行支援装置の一動作例を説明する。

ステップＳ１０１において、自動走行中に、車両の前方において、車両から所定距離（図４に示すＬ）離れた地点までの軌跡の曲率分布を取得する。また、コントローラは左右の曲率について、それぞれの曲率の最大値（最大曲率）を取得する。さらにコントローラは、軌跡を示す複数の点における曲率の平均、標準偏差、及び歪度を算出する。

処理はステップＳ１０３に進み、コントローラは、基準曲率RhoRefを用いて曲率分布を正規化する（図５参照）。処理はステップＳ１０５に進み、コントローラは、ステップＳ１０３の処理結果に基づいて曲率分布が正規分布であるのか非正規分布であるのか判定する。

コントローラは、曲率分布が正規分布であると判定した場合、将来の走行シーンは定常状態であると判定する。将来の走行シーンが定常状態である場合において、将来の走行シーンが直線であるのか、もしくは定常円旋回であるのかは、一例として曲率の平均に基づいて判定される。

また、コントローラは、曲率分布が非正規分布であると判定した場合、将来の走行シーンは過渡状態であると判定する。将来の走行シーンが過渡状態である場合において、将来の走行シーンがカーブ入口なのかまたはカーブ出口なのかは、一例として軌跡の前後における曲率の増減に基づいて判定される。

処理はステップＳ１０７に進み、コントローラは、曲率成分を旋回強度に変換する。処理はステップＳ１０９に進み、コントローラは、ステップＳ１０７で算出した旋回強度に応じてヨーモーメント、ヨーレート、スリップ角などを制御することにより、将来の走行シーンに応じた適切な姿勢制御を行う。具体的には、将来の走行シーンがカーブ入口であれば、少しオーバーステアとなるように姿勢が制御される。将来の走行シーンがカーブ出口であれば、少しアンダーステアとなるように姿勢が制御される。将来の走行シーンが直線もしくは定常円旋回であれば、ニュートラルステアとなるように姿勢が制御される。これにより、乗員に違和感を与えることが少ない自動運転が実現する。

（作用効果）
以上説明したように、本実施形態に係る走行支援装置によれば、以下の作用効果が得られる。

走行支援装置は、車両を自動走行させるための軌跡を算出し、軌跡に基づいて車両の姿勢を制御するコントローラを備える。コントローラは、車両の前方において、車両から所定距離（図４に示すＬ）離れた地点までの軌跡の曲率分布を取得する。コントローラは、曲率分布に基づいて、軌跡上の走行シーンの定常状態の度合いを示す定常割合（旋回強度KappaCircle,KappaStraight）を算出する。そしてコントローラは、定常割合に応じてヨーモーメント、ヨーレート、スリップ角などを制御する。これにより、走行シーンに応じた適切な姿勢制御が実施され、乗員に違和感を与えることが少ない自動運転が実現する。

定常割合は、車両が直進走行している状態の度合いを示す直進走行強度（旋回強度KappaStraight）と、車両が定常円旋回している状態の度合いを示す定常円旋回強度（旋回強度KappaCircle）の割合に分けられる。

コントローラは、曲率分布に基づいて、軌跡上の走行シーンの過渡状態の度合いを示す過渡割合（旋回強度KappaCorEntry,KappaCorExit,KappaCorUndef）を算出し、定常割合と過渡割合に応じて姿勢を制御する。このように、車両が将来走行するシーンが、定常状態なのか、過渡状態なのか、を判定し、さらにそれぞれの状態における強度の割合を算出することにより、それぞれの状態における強度の割合に応じた適切な制御を介入させることが可能となる。

過渡割合は、カーブ入口を走行している状態の度合いを示すカーブ入り口強度（旋回強度KappaCorEntry）と、カーブ出口を走行している状態の度合いを示すカーブ出口強度（旋回強度KappaCorExit）の割合に分けられる。ただし、過渡割合の分類はこれに限定されない。過渡割合は、カーブ入口を走行している状態の度合いを示すカーブ入り口強度（旋回強度KappaCorEntry）と、カーブ出口を走行している状態の度合いを示すカーブ出口強度（旋回強度KappaCorExit）と、走行状態が不定の度合いを示す不定状態強度（旋回強度KappaCorUndef）の割合に分けられてもよい。

コントローラは、軌跡を構成する複数の点の内、所定の点と、所定の点から見て前方の点との間の曲率分布の変化に基づいて、車両が将来走行する走行シーンがカーブ入口か、もしくはカーブ出口かを判定する。このように軌跡を構成する複数の点の内、前後の点の間の曲率分布の変化を用いることにより、車両が将来走行する走行シーンがカーブ入口であるのかカーブ出口であるのか精度よく判定できる。

軌跡を算出する方法は特に限定されないが、地図情報から算出したルートを軌跡として採用してもよい。あるいは、コントローラは車両の周囲の状況を検出するセンサ（カメラ、レーダなど）によって得られたデータを用いて軌跡を算出してもよい。自動的なレーンキープ制御を行う場合、道路状況に沿って正確に走行することが求められる。本実施形態では、上述の方法で軌跡を算出し、軌跡の走行シーンを判定する。そして、コントローラは軌跡に沿って適切な姿勢制御を行うため、精度の高いレーンキープ制御を行うことができる。

曲率分布は、基準曲率RhoRefを用いて正規化される。これにより、コントローラは車両が将来走行する走行シーンが定常状態なのかあるいは過渡状態なのかを精度よく判定できる。

上述の実施形態に記載される各機能は、１または複数の処理回路により実装され得る。処理回路は、電気回路を含む処理装置等のプログラムされた処理装置を含む。処理回路は、また、記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や回路部品等の装置を含む。

上記のように、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面はこの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実施の形態、実施例及び運用技術が明らかとなろう。

上述の実施形態では、パラメータRhoEntry,RhoExit,RhoAve,RhoStd,RhoSQNを無次元化する方法として、基準曲率で除算する方法を説明したが、これらのパラメータを無次元化できれば、特に方法は限定されない。

１００ センサ群
１０１ ナビゲーション
１０２ ＨＤマップ
１０４ 環境認識部
１０５ 物体認識部
１０６ 目的地設定
１０７ ルート計画
１０８ 行動決定部
１０９ ドライブゾーン計画
１１０ トラジェクトリ
１１１ モーション制御
１１１ａ ＡＤレイヤ
１１１ｂ ＡＤ入力
１１１ｃ ＭＤ入力
１１１ｄ アービトレーション
１１１ｅ レファレンスモデル
１１１ｆ ボディモーションコントロール
１１１ｇ ホイールモーションコントロール
１１１ｈ アクチュエーション

Claims (10)

1. 車両を自動走行させるための軌跡を算出し、前記軌跡に基づいて前記車両の姿勢を制御するコントローラを備えた走行支援装置の走行支援方法において、
   前記車両の前方において、前記車両から所定距離離れた地点までの前記軌跡の曲率分布を取得し、
   前記曲率分布に基づいて、前記軌跡上の走行シーンの定常状態の度合いを示す定常割合を算出し、
   前記定常割合に応じて前記姿勢を制御する
   ことを特徴とする走行支援装置の走行支援方法。
2. 前記定常割合は、直進走行している状態の度合いを示す直進走行強度と定常円旋回している状態の度合いを示す定常円旋回強度の割合に分けられる
   ことを特徴とする請求項１に記載の走行支援装置の走行支援方法。
3. 前記曲率分布に基づいて、前記軌跡上の走行シーンの過渡状態の度合いを示す過渡割合を算出し、
   前記定常割合と前記過渡割合に応じて前記姿勢を制御する
   ことを特徴とする請求項１または２に記載の走行支援装置の走行支援方法。
4. 前記過渡割合は、カーブ入口を走行している状態の度合いを示すカーブ入り口強度と、カーブ出口を走行している状態の度合いを示すカーブ出口強度の割合に分けられる
   ことを特徴とする請求項３に記載の走行支援装置の走行支援方法。
5. 前記過渡割合は、カーブ入口を走行している状態の度合いを示すカーブ入り口強度と、カーブ出口を走行している状態の度合いを示すカーブ出口強度と、走行状態が不定の度合いを示す不定状態強度の割合に分けられる
   ことを特徴とする請求項３に記載の走行支援装置の走行支援方法。
6. 前記車両は、前記車両の周囲の状況を検出するセンサを備え、
   前記軌跡は、前記センサによって検出された前記周囲の状況に基づいて算出される
   ことを特徴とする請求項１〜５のいずれか一項に記載の走行支援装置の走行支援方法。
7. 前記軌跡を構成する複数の点の内、所定の点と、前記所定の点から見て前方の点との間の曲率分布の変化に基づいて、前記車両が将来走行する走行シーンが前記カーブ入口か、もしくは前記カーブ出口かを判定する
   ことを特徴とする請求項４または５に記載の走行支援装置の走行支援方法。
8. 前記定常割合は、前記曲率分布を正規化して算出される
   ことを特徴とする請求項１〜７のいずれか１項に記載の走行支援装置の走行支援方法。
9. 前記車両の速度と、前記車両が走行中に発生する最大横加速度と、所定のゲインとを用いて基準曲率を算出し、
   前記曲率分布は前記基準曲率を用いて正規化される
   ことを特徴とする請求項８に記載の走行支援装置の走行支援方法。
10. 車両を自動走行させるための軌跡を算出し、前記軌跡に基づいて前記車両の姿勢を制御するコントローラを備え、
    前記コントローラは、
    前記車両の前方において、前記車両から所定距離離れた地点までの前記軌跡の曲率分布を取得し、
    前記曲率分布に基づいて、前記軌跡上の走行シーンの定常状態の度合いを示す定常割合を算出し、
    前記定常割合に応じて前記姿勢を制御する
    ことを特徴とする走行支援装置。

Images