JP2022107660A5

JP2022107660A5 - 車両制御方法および車両制御システム

Info

Publication number: JP2022107660A5
Application number: JP2022082088A
Authority: JP
Filing date: 2022-05-19
Publication date: 2022-09-29
Anticipated expiration: 2040-01-15

Description

車両制御装置が実行する車両制御方法であって、前記車両制御装置は、所定の演算処理を実行するマイコンを有し、複数の外界センサから情報を取得可能であって、前記車両制御方法は、前記複数の外界センサが、取得したローデータに基づいてオブジェクトデータを生成するオブジェクトデータ生成ステップと、前記マイコンが、複数の外界センサから出力されるローデータに基づいてセンサフュージョン処理を行う第１の演算ステップと、前記マイコンが、前記複数の外界センサから出力される前記ローデータをそれぞれ処理して生成されたオブジェクトデータに基づいてセンサフュージョン処理を行う第２の演算ステップと、前記マイコンが、前記第１の演算ステップの出力結果と前記第２の演算ステップの出力結果を用いて、前記第１の演算ステップの出力結果を診断する第３の演算ステップを備えることを特徴とする車両制御方法。

軌道追従制御部２１４はマイコン１１１の軌道生成部あるいはマイコン１１２の軌道生成部で演算した軌道情報に基づいて、軌道追従制御指令を生成する。軌道追従制御部２１４は、比較診断の結果、演算ブロック２１１が正常であった場合に、マイコン１１１で生成された軌道データ７１１に基づいて自車両を追従させるように、アクチュエータ制御ＥＣＵ１３、１４、１５への制御指令を生成して送信する。

また、演算ブロック２１１が異常と診断された場合においてはマイコン１１２で生成された軌道データ７１２に自車両を追従させるように、軌道追従制御部２１４はアクチュエータ制御ＥＣＵ１３、１４、１５への制御指令を生成して送信する。

基本的に演算ブロック２１２においてセンサフュージョンして生成されるオブジェクトデータフュージョン結果７０２は、大量のローデータが入力される演算ブロック２１１で出力されるローデータフュージョン結果７０１と比較して、認識できる周辺の情報量が少ない。ここで演算ブロック２１１により生成されるローデータフュージョン結果７０１は、例えばＬＶＤＳ通信レベルであり１０Ｍｂｐｓ以上のデータ量である。一方、演算ブロック２１２により生成されるオブジェクトデータフュージョン結果７０２は、例えばＣＡＮ－ＦＤ通信レベルの１０Ｍｂｐｓ未満である。

そこで、本実施例においては、演算ブロック２１２が複数のプロセッサ及びロックステップマイコンを用いたフローを用いて、近傍の他車の認識について高い信頼性を有することを前提として、演算ブロック２１２で認識された近傍の外界情報と同様の外界情報を演算ブロック２１１が認識できているかどうかを診断する。

具体的には演算ブロック２１２で出力されるオブジェクトフュージョン結果７０２が、演算ブロック２１１で出力されるローデータフュージョン結果７０１に含まれている場合においては診断結果：正常と判定する。演算ブロック２１２で出力されるローデータフュージョン結果７０１が、演算ブロック２１１で出力されるローデータフュージョン結果７０１に含まれていない場合、演算ブロック２１３は診断結果：異常と判定する。

上記のような不具合発生を検知した場合には、好ましくは、演算ブロック２１３もしくは演算ブロック２１１はローデータフュージョン結果７０１の出力を禁止する。あるいは、演算ブロック２１１はローデータフュージョン結果の出力を停止する。演算ブロック２１２により出力された車両の軌道に従い、走行することとする。その理由は、演算ブロック２１２の出力に関しては、複数のセンサのデータの確からしさを多数決で判断するため、１つのセンサが故障したとしても、依然として信頼性の高い出力を得ることができるからである。継続して演算ブロック２１２の出力結果を使うことにより、信頼性の高い軌道追従制御が可能となる。

機械学習（例えばＤＮＮ）を用いたフュージョン処理（演算ブロック２１１）は経験・マッチングでの生成であるのに対し、演算ブロック２１２によるフュージョンはルールベースのアルゴリズムで生成されるものであることが望ましい。機械学習を用いたフュージョン処理はリアルタイムで変動する因果関係（例えばＤＮＮ）に基づくものであり、演算ブロック２１２によるフュージョン処理は、あらかじめ定められた相関関係（例えばロックステップマイコン）に基づくものである。そのため、機械学習によるフュージョン処理とは独立した系により算出された軌道に基づき、ローデータフュージョン結果の診断が可能となる。その結果、より信頼性の高いローデータフュージョン結果の診断の実現が可能となる。

ここで正常と判定した場合には、マイコン１１１においてセンサフュージョンならびに軌道生成した軌道データ７１１が採用される。マイコン１１１において演算されたローデータフュージョン結果７０１のデータを基に演算ブロック２１４にて軌道追従制御を行うため、車両制御装置１１より軌道追従制御のためのアクチュエータ制御指令がアクチュエータ側に送信される。

ここで、演算ブロック２１３において、演算ブロック２１１により演算されたローデータフュージョン結果７０１の出力が異常であると診断された場合には、各センサ異常が生じている可能性がある。そのような状態のまま走行を続けるリスクは高い。そのため診断結果が異常と判断された場合には、図示したマイコン１１２により生成された軌道データ７１１は縮退軌道として生成することが可能である。ここで縮退とは、運転中にひとつの基幹部品が破損して機能停止に陥る場合に自動運転システムが継続できるよう機能不全回避用の緊急回避を行うこと、あるいは基幹部品の破損による機能停止時においても、一定期間自動運転を継続し、安全かつスムーズにドライバーへ運転を引き継ぐよう、安全に退避することを指す。また縮退軌道とは上記のような動作を実現するために生成する安全退避軌道、緊急退避軌道のことを指す。上記のような構成を有することにより、センサに不具合が生じたと演算ブロック２１３が検知した場合は、マイコン１１２は縮退軌道を生成するため、安全に停車することが可能となる。

好ましくは第３の演算ブロック（演算ブロック２１３）は、第２の演算ブロック（演算ブロック２１２）によるセンサフュージョン結果として出力される車両周辺の物体群が、第１の演算ブロック（演算ブロック２１１）によるセンサフュージョン結果として出力される車両周辺の物体群に含まれていない場合に第１の演算ブロック（演算ブロック２１１）を正常であると判断する。また、第３の演算ブロック（演算ブロック２１３）は、第２の演算ブロック（演算ブロック２１２）によるセンサフュージョン結果として出力される車両周辺の物体群が、第１の演算ブロック（演算ブロック２１１）によるセンサフュージョン結果として出力される車両周辺の物体群に含まれている場合に第１の演算ブロック（演算ブロック２１１）を異常であると判断する。上記の構成を有することにより、演算ブロック２１２で出力される信頼性が高く情報量の少ないデータに基づき、演算ブロック２１１の出力を診断することが可能となり、演算ブロック２１１が演算ブロック２１２よりも大きな情報を持っていたとしても、必要最小限の情報をお互いに出力できていれば正常と診断することができる。その結果、信頼性を担保したうえで、高精度の情報を含む演算ブロック２１１の情報を用いた軌道生成を行うことが可能となるという効果を奏する。

（実施例２）
図４は実施例２における車両制御装置（第１ＥＣＵ）１１の内部構成（特にマイコン１１１、マイコン１１２）と、センサならびにアクチュエータの接続を示す図である。

（実施例３）
図５は実施例３における車両制御装置（第１ＥＣＵ）１１、車両制御装置（第２ＥＣＵ）１２の内部構成と、センサ並びにアクチュエータの接続を示す図である。

本実施例においては、第１ＥＣＵ内に備えられたマイコン１１１の演算ブロック２１１においてローデータフュージョン結果７０１を算出する。第２ＥＣＵのマイコン１１２はオブジェクトデータフュージョン結果７０２を算出する演算ブロック２１２と演算ブロック２１３を備える。すなわちローデータフュージョン結果７０１と、オブジェクトデータフュージョン結果７０２の出力が別々のＥＣＵにより実施されることとなる。

Claims

車両制御装置が実行する車両制御方法であって、
前記車両制御装置は、所定の演算処理を実行するマイコンを有し、複数の外界センサから情報を取得可能であって、
前記車両制御方法は、
前記複数の外界センサが、取得したローデータに基づいてオブジェクトデータを生成するオブジェクトデータ生成ステップと、
前記マイコンが、複数の外界センサから出力されるローデータに基づいてセンサフュージョン処理を行う第１の演算ステップと、
前記マイコンが、前記複数の外界センサから出力される前記ローデータをそれぞれ処理して生成されたオブジェクトデータに基づいてセンサフュージョン処理を行う第２の演算ステップと、
前記マイコンが、前記第１の演算ステップの出力結果と前記第２の演算ステップの出力結果を用いて、前記第１の演算ステップの出力結果を診断する第３の演算ステップを備えることを特徴とする車両制御方法。
請求項１に記載の車両制御方法において、
前記第３の演算ステップでは、前記マイコンが、前記第２の演算ステップによるセンサフュージョン結果として出力される車両周辺の物体群が、前記第１の演算ステップによるセンサフュージョン結果として出力される車両周辺の物体群に含まれていない場合に前記第１の演算ステップを異常と診断する車両制御方法。
請求項１に記載の車両制御方法において、
前記第２の演算ステップでは、前記マイコンが、前記複数の外界センサから出力される前記ローデータをそれぞれ処理して生成されたオブジェクトデータに基づいてセンサフュージョン処理を行うものであって、
前記第３の演算ステップでは、前記マイコンが、前記第２の演算ステップによるセンサフュージョン結果として出力される車両周辺の物体群が、前記第１の演算ステップによるセンサフュージョン結果として出力される車両周辺の物体群に含まれている場合に前記第１の演算ステップを正常と診断する車両制御方法。
請求項１に記載の車両制御方法において、
前記第１の演算ステップは、
前記マイコンが、前記複数の外界センサから出力されたデータを入力する機械学習ステップが設けられ、
前記機械学習ステップでは、前記ローデータが入力されることによりセンサフュージョン結果が出力され、
前記第２の演算ステップでは、前記マイコンが、前記複数の外界センサから出力された前記ローデータをそれぞれ処理して得られるオブジェクトデータが入力され、前記オブジェクトデータをセンサフュージョン処理することによりオブジェクトデータフュージョン結果を出力し、
前記マイコンが、前記オブジェクトデータフュージョン結果を正として、ローデータフュージョン結果を診断することを特徴とする車両制御方法。
請求項１乃至４の何れかに記載の車両制御方法において、
前記第２の演算ステップはロックステップマイコンが実行することを特徴とする車両制御方法。
請求項５に記載の車両制御方法において、
前記ロックステップマイコンは前記複数の外界センサから出力されたデータを比較し多数決を取り、採用されたデータに基づいてオブジェクトデータフュージョン処理を行うことを特徴とする車両制御方法。
請求項１乃至４の何れかに記載の車両制御方法において、
前記第３の演算ステップが前記第１の演算ステップを異常と判断した場合、前記第２の演算ステップにより出力されたセンサフュージョン結果に基づき生成した軌道を用いて車両追従制御を行うことを特徴とする車両制御方法。
請求項１乃至４の何れかに記載の車両制御方法において、
前記生成された軌道は縮退軌道であることを特徴とする車両制御方法。
請求項１に記載の車両制御方法において、
前記第２の演算ステップでは、前記マイコンが、前記外界センサ内の演算ステップにて前処理されたデータを基にセンサフュージョン処理を行うことを特徴とする車両制御方法。
請求項１に記載の車両制御方法において、
前記第２の演算ステップに入力されるデータは、前記外界センサ内の演算ステップにて生成される物体認識データであることを特徴とする車両制御方法。
請求項１に記載の車両制御方法において、
前記車両制御装置は、
前記第１の演算ステップを実行する第１のマイコンと、
前記第２の演算ステップと前記第３の演算ステップを実行する第２のマイコンを有することを特徴とする車両制御方法。
請求項１に記載の車両制御方法において、
前記車両制御装置は、
前記第１の演算ステップを実行する第１のマイコンと、
前記第２の演算ステップを実行する第２のマイコンと、
前記第３の演算ステップを有する第３のマイコンと、を有することを特徴とする車両制御方法。
請求項１乃至４の何れかに記載の車両制御方法において、
前記第１の演算ステップを実行するマイコンの電源と前記第２の演算ステップを実行するマイコンの電源はそれぞれ独立していることを特徴とする車両制御方法。
請求項２乃至３の何れかに記載の車両制御方法において、
前記第３の演算ステップは、前記第１の演算ステップを異常と診断した場合、前記第１の演算ステップで演算した前記センサフュージョン結果の出力を禁止することを特徴とする車両制御方法。
請求項２乃至３の何れかに記載の車両制御方法において、
前記第３の演算ステップで前記第１の演算ステップが異常と診断された場合、前記第１の演算ステップでは、前記マイコンが、前記第１の演算ステップで演算された前記センサフュージョン結果の出力を停止することを特徴とする車両制御方法。
請求項１１又は１２の何れかに記載の車両制御方法において
前記第１の演算ステップでは、前記第１のマイコンが、前記センサフュージョン処理の結果に基づいて車両追従軌道を生成し、
前記第２の演算ステップでは、前記第２のマイコンが、前記センサフュージョン処理の結果に基づいて車両追従軌道を生成すること特徴とする車両制御方法。
請求項１１又は１２に記載の車両制御方法において、
前記第１の演算ステップ及び前記第２の演算ステップでは、前記第１のマイコン及び前記第２のマイコンは、前記センサフュージョン処理の結果に基づいてそれぞれ車両追従軌道を生成し、
前記第３の演算ステップにおいて、前記第１の演算ステップを正常と診断している限りにおいて、前記第１のマイコンの出力する車両追従軌道に基づいて車両を制御することを特徴とする車両制御方法。
請求項４に記載の車両制御方法において、
前記機械学習ステップは、ディープニューラルネットのアルゴリズムを用いるものであることを特徴とする車両制御方法。
車両制御システムであって、
複数の外界センサと、
前記複数の外界センサから得た情報に基づいて所定の演算処理を実行するマイコンを有する車両制御装置とを備え、
前記複数の外界センサは、取得したローデータに基づいてオブジェクトデータを生成する情報処理部を有し、
前記車両制御装置は、
複数の外界センサから出力されるローデータに基づいてセンサフュージョン処理を行う第１の演算部と、
前記複数の外界センサから出力される前記ローデータをそれぞれ処理して生成されたオブジェクトデータに基づいてセンサフュージョン処理を行う第２の演算部と、
前記第１の演算部の出力結果と前記第２の演算部の出力結果を用いて、前記第１の演算部の出力結果を診断する第３の演算部とを有することを特徴とする車両制御システム。