JP2022506262A - 自動車に関する制御設定を生成するための方法 - Google Patents

Abstract

本発明は、自動車の環境に関連した生データを取得するように構成された複数のセンサ（１０、１１、１２）と、それらのセンサによって取得された生データを受け取るように構成された計算ユニット（２０）とを含む自動車を制御するための方法に関し、前記方法は、 － 計算ユニットが、センサによって取得された生データを受け取るステップと、 － 計算ユニットが、前記生データを処理して、そこから、自動車の環境に関連した情報（Ｓ１、Ｓ２、Ｓ３）の断片を推定し、かつ情報のそれぞれの断片の推定におけるエラーの確率の係数（Ｐ１、Ｐ２、Ｐ３）を推定するステップと、 － 情報の前記断片および前記確率係数に応じて、自動車を制御するための設定（Ｃ１）が生成されるステップとを含む。本発明によれば、この方法はまた、前記センサのうちの少なくとも１つに関して、このセンサによって送られた生データの品質に関連した品質係数が特定されるステップと、 － 品質係数に、および確率係数に応じて制御設定の信頼性が推定されるステップと、 － 制御設定の推定された信頼性に応じて、制御設定を訂正するかまたは訂正しないかの判断が行われるステップとを含む。【選択図】図１

Description

本発明は、全般的には、自動車に関する運転者支援に関する。

本発明は、より詳細には、ステアリングシステム、ブレーキングシステム、またはパワートレインなど、自動車の１つまたは複数の駆動部材に関する制御命令を作成するための方法に関する。

本発明はまた、コンピューティングユニットと、自動車の環境に関連している生データを取得するように構成された複数のセンサとを含む自動車に関する。

本発明は、より詳細には、自律運転モードを備えた車両に適用される。したがって、本発明は、自動車、航空、および航空宇宙の分野に適用されることが可能である。

自動車を運転することを容易にし、そしてより安全にするために、自動車に運転者支援システムを装備することが、知られている慣行である。これらの運転者支援システムは、（人間の介入を伴わない）車両の自律運転を可能にするシステム、または車両の部分的に自律的な運転を可能にするシステム（典型的には、たとえば緊急ブレーキをかけるために、もしくは車両をその車両の車線の真ん中に戻すために一時的に車両を制御するように構成されたシステム）であることが可能である。

これらのシステムが車両の周辺の環境を理解することを可能にするために、カメラおよびＲＡＤＡＲ、ＬＩＤＡＲ、ＳＯＮＡＲセンサ等などの多くのセンサが車両上に配置される。

それぞれのセンサは、その長所およびその短所を有している。そこで、環境検知エラーを最大限に減らすために、「データ融合」を実行すること、すなわち、別々のセンサによって送信されたデータを考慮に入れて、そこから環境データの単一のアイテムを導出することが、知られている慣行である。したがって、それぞれのセンサの長所から利益を得ることが可能である。

残念ながら、それでも、車両がミスを犯すこと、すなわち、車両が状況を誤解することが依然として発生する可能性がある。たとえば、車両が、危険な物体を無害な障害物と誤ってみなし、したがって緊急ブレーキを命じない可能性がある。

したがって、これらのエラーを減らすことが求められている。

本発明は、標準ＩＳＯ２６２６２によって定義されている機能安全レベルＡＳＩＬ Ｄ（「Ａｕｔｏｍｏｔｉｖｅ Ｓａｆｅｔｙ Ｉｎｔｅｇｒｉｔｙ Ｌｅｖｅｌ Ｄ」を表す頭字語）を満たす新たな方法および新たなシステムを提供する。

より詳細には、本発明に従って提案されているものは、自動車を制御するための方法であって、
－ 車両のコンピューティングユニットが、車両のセンサによって取得される、車両の環境に関連する生データを受け取るステップと、
－ コンピューティングユニットが、前記生データを処理して、そこから、自動車の環境に関連している情報と、各情報の導出においてエラーが発生している確率に関連している確率係数とを導出するステップと、
－ 前記情報および前記確率係数に従って自動車に関する制御命令を作成するステップと、
－ 前記センサのうちの少なくとも第１のセンサに関して、この第１のセンサが取得する生データの品質に関連している品質係数を特定するステップと、
－ 品質係数および確率係数に従って制御命令の信頼性を推定するステップと、
－ 制御命令の推定された信頼性に従って、制御命令を訂正するかまたは訂正しないかを判断するステップとを含む方法である。

したがって、本発明のおかげで、センサの動作条件を考慮して（これらのセンサの品質係数を特定することによって）、自動車に関する制御命令が、完全な安全において、そのまま使用されることが可能であるかどうかを判断することが可能である。

例として、カメラによって取得されたデータが高品質のものであるとみなすのに十分な明るさであるかどうかを特定することが可能である。車両が水しぶきを通過しているか否かを特定して、ＬＩＤＡＲセンサによって取得されたデータが高品質のものであるか否かを知ることも可能である。

本発明による制御方法のその他の有利な非限定的な特徴は、下記のとおりである：
－ 特定するステップにおいて、センサのうちの少なくとも第１のセンサの品質係数は、前記センサのうちの少なくとも１つの他のセンサによって取得された生データに従って、ならびに／または、第１のセンサによって取得された生データの測定の条件に関連する、サードパーティー検知器によって取得されるサードパーティーデータに従って特定され、
－ サードパーティー検知器は、光センサ、または雨センサ、または自動車が走行している車道の状態を検知するように構成されたセンサであり、
－ 前記センサのうちの少なくとも１つは、画像センサ、またはＲＡＤＡＲセンサ、またはＬＩＤＡＲセンサであり、
－ 処理するステップにおいて、自動車の環境における物体を検知し、前記物体を分類するために、それぞれのセンサによって送信された生データは、他のセンサによって送信された生データとは別個に処理され、それぞれの確率係数は、分類された物体に、および前記センサに関連付けられており、
－ 処理するステップにおいて、生データを処理した後に、処理されたデータは、それぞれの確率係数を考慮に入れて融合され、
－ 処理するステップにおいて、生データを処理した後に、処理されたデータは、それぞれの品質係数を考慮に入れて融合され、
－ 推定するステップにおいて、制御命令の信頼性は、処理されたデータの融合の結果にも従って推定され、
－ 制御命令を訂正するかまたは訂正しないかの判断は、前記センサとは異なるセンサからの冗長性情報にも従って行われる。

本発明はまた、自動車の環境に関連している生データを取得するように構成された複数のセンサと、上述されている制御方法を実施するように構成されたコンピューティングユニットとを含む自動車に関する。

非限定的な例として与えられている添付の図面への参照を伴う以降の説明は、本発明の内容、およびどのようにして本発明が実施されることが可能であるかについての理解を提供するであろう。

本発明による方法を実施するように構成された制御システムを示す図である。

本発明は、より詳細には、車両の自律運転を可能にする、すなわち、人間の介入を伴わない制御システムを備えた自動車に適用される。

本発明は、より正確には、自動車の少なくとも１つの駆動部材を制御するための方法に関する。

この駆動部材は、たとえば、自動車のパワートレインによって、またはステアリングデバイスによって、またはブレーキングデバイスによって形成されることが可能である。この説明の残りの部分においては、これらの駆動部材のすべてが、車両のコンピューティングユニットによって制御されると考えられるであろう。

図１の一部において示されているこのコンピューティングユニット２０は、プロセッサ、メモリ、およびさまざまな入力および出力インターフェースを含む。

これは、ここではブロックの形式で表されている、別個であるが相互に依存するアルゴリズム同士を実施するように構成されている。

コンピューティングユニット２０は、そのメモリのおかげで、命令を含むコンピュータプログラムから構成されているコンピュータアプリケーションを格納しており、それらの命令がプロセッサによって実行されると、以降で記述されることになる方法の実施が可能になる。

コンピューティングユニット２０は、その出力インターフェースのおかげで、コンピューティングユニット２０が制御命令Ｃ１を駆動部材３０へ送信することが可能であるような形で駆動部材３０に接続されている。

コンピューティングユニット２０は、その入力インターフェースのおかげで、いくつかのセンサ１０、１１、１２、１３（少なくとも２つのセンサ、ただし好ましくは、それよりも多い）に接続されている。

これらは、任意のタイプのセンサであることが可能である。

例として、自動車は、車両の周りのすべての向き（すなわち、３６０度）をカバーするように向けられたデジタルカメラ１０、ＲＡＤＡＲセンサ１１、ＬＩＤＡＲセンサ１２、および光センサ１３を装備することが可能である。

光センサ１３は、車両のライトを自動的にオンにする従来の機能を提供することを可能にするために存在している。

他のセンサ１０、１１、１２（以降では環境センサと呼ばれる）は、車両を自律的に制御する機能を確実にするために存在しているそれらの部分のためのものである。

これらの環境センサ１０、１１、１２のそれぞれは、長所および短所を有している。たとえば、カメラは、晴天においては良好な障害物検知を可能にするであろうが、暗い光または過度に明るい光においては検知が不十分になるであろう。逆に、ＲＡＤＡＲまたはＬＩＤＡＲセンサは、どんな光であれ、良好な障害物検知を可能にするであろうが、水しぶきまたは悪天候（雨、霧、雪）の存在下では不正確なデータを提供するであろう。

ここでは、駆動部材へ送信される制御命令Ｃ１は、主として、環境センサ１０、１１、１２によって送信される生データに従って作成されることになる。

次いで図１を参照しながら、この制御命令Ｃ１が作成されることになる方法を詳細に記述することが可能である。

実際には、コンピューティングユニット２０は、以降で記述されている方法を再帰的な様式で、すなわちループで、一定のタイムインターバルで実施するようにプログラムされている。

この方法は、７つの主要なステップを含む。

第１のステップ中に、コンピューティングユニット２０は、センサ１０、１１、１２、１３のすべてによって取得された生データを読み取る。

ここで考慮されている例においては、コンピューティングユニット２０は、カメラ１０によって、ＲＡＤＡＲセンサ１１によって、ＬＩＤＡＲセンサ１２によって、および光センサ１３によって送信された生データを読み取る。

例として、カメラ１０のケースにおいては、生データは、カメラの感光性センサのそれぞれのピクセルの色および輝度特性によって形成される。光センサ１３のケースにおいては、生データは、経時的に測定された光レベルによって形成される。

第２のステップ中に、取得された生データを処理して、そこから、自動車の環境に関連している情報を導出する。

実際には、環境センサ１０、１１、１２によって送信される生データは、互いに別々に処理される。

目的は、これらの生データに基づいて、自動車の環境に位置している物体を検知すること、これらの物体（障害物、交通標識、第三者の車両、歩行者など）を分類すること、ならびにそれぞれの分類された物体Ｓ１、Ｓ２、Ｓ３に対して、この物体の検知においておよび分類においてエラーが発生している確率に関連している確率係数Ｐ１、Ｐ２、Ｐ３を割り当てることである。

このステップを実施するために、たとえば「ＣＮＮ」（「ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ」）技術などのマシン学習技術に基づく分類方法を使用することが可能である。

変形として、または追加として、フィルタまたはその他の任意のタイプの適切な処理が使用されることが可能である。

要約すると、図１において示されているように、コンピューティングユニット２０は、３つのブロックＢ１０、Ｂ１１、Ｂ１２を含み、これらのブロックはそれぞれ、カメラ１０から、ＲＡＤＡＲセンサ１１から、およびＬＩＤＡＲセンサ１２から生データを入力として受け取り、これらのブロックは、確率係数Ｐ１、Ｐ２、Ｐ３に関連付けられている、検知および分類されたそれぞれの物体の説明Ｓ１、Ｓ２、Ｓ３を出力として別々に配信する。

第３のステップ中に、コンピューティングユニット２０は、環境センサ１０、１１、１２のそれぞれに関する品質係数Ｑ１、Ｑ２、Ｑ３を特定する。この品質係数Ｑ１、Ｑ２、Ｑ３は、問題のセンサによって取得された生データの品質に関連している。

実際には、この品質係数Ｑ１、Ｑ２、Ｑ３は、問題のセンサの正しい動作を可能にするために外部条件がどの程度適切であるかを知ることを可能にする。

言い換えれば、これら品質係数Ｑ１、Ｑ２、Ｑ３は、
－ カメラ１０が、たとえば周囲光を考慮に入れて、物体を正しく検知することが可能であるかどうか、ならびに
－ ＲＡＤＡＲ １１およびＬＩＤＡＲ １２センサが、たとえば天候を考慮に入れて、物体を正しく検知することが可能であるかどうかを特定することを可能にする。

それぞれの品質係数Ｑ１、Ｑ２、Ｑ３は、問題のセンサによって取得された生データ（実線の矢印によって表されている）に従って、そしてまた、他のセンサによって取得された生データ（点線の矢印によって表されている）に従って特定される。

したがって天候は、カメラ１０によって取得された画像に従って特定されることが可能であり、周囲光は、光センサ１３によって取得されることが可能である。

もちろん、とりわけ天候を特定するために、他のセンサが使用されることも可能である。したがって、車両の車輪に配置されるであろう、かつ自動車が走行している車道の状態を検知するように構成されるであろう雨センサおよび／または加速度計を使用することが可能であろう。

センサ１０、１１、１２、１３からの生データは、下記をここで適用することによって、それぞれの品質係数Ｑ１、Ｑ２、Ｑ３を特定するために使用される：
－ 統計的方法（カメラ１０からの生データのケースにおいては、とりわけ「ＢＲＩＱＵＥ」もしくは「ＮＩＱＵＥ」法を使用することが可能である）、ならびに／または
－ 周波数法（カメラ１０からの生データのケースにおいては、「シャープネス／ブラー」もしくは「高低周波数インデックス」法を使用して画像のシャープネスを特定することも可能であり、ＬＩＤＡＲセンサからの生データのケースにおいては、「参照付きＲＭＳＥ」、「ＨＤＭＡＰおよびＧＰＳ」、もしくは「共分散行列／エントロピー測定」法を使用することが可能である）。

要約すると、図１において示されているように、コンピューティングユニット２０は、３つのブロックＢ１０’、Ｂ１１’、Ｂ１２’を含み、これらのブロックは、カメラ１０から、および／またはＲＡＤＡＲセンサ１１から、および／またはＬＩＤＡＲセンサ１２から、および／または光センサ１３から生データを入力として受け取り、これらのブロックはそれぞれ、品質係数Ｑ１、Ｑ２、Ｑ３を出力として配信し、品質係数Ｑ１、Ｑ２、Ｑ３は、環境センサ１０、１１、１２のうちの１つに関連付けられており、かつ運転条件を考慮に入れてこのセンサによって取られた測定値の精度のレベルに関連している。

以降で明らかになるであろうが、それぞれの環境センサ１０、１１、１２に関する品質係数を推定することは、動作条件が最良であると推定される、したがって最も信頼できる生データを配信する１つまたは複数のセンサを優先することを可能にする。

第４のステップ中に、さまざまな環境センサ１０、１１、１２からのデータを融合するための準備が行われる。

このために、一方では、センサによって取得された生データを、他方では、ブロックＢ１０、Ｂ１１、Ｂ１２からのデータを融合することが可能であろう。

しかしながら、ここでは、ブロックＢ１０、Ｂ１１、Ｂ１２（すなわち、説明Ｓ１、Ｓ２、Ｓ３）からのデータのみが融合されることになると考えられるであろう。

これらのデータは、ここでは、それぞれの確率係数Ｐ１、Ｐ２、Ｐ３を考慮に入れて、そして潜在的にはまた、それぞれの品質係数Ｑ１、Ｑ２、Ｑ３に従って融合される。

「データ融合」が意味するものは、異種のセンサ同士からのいくつかのデータに適用される数学的方法であり、この方法は、自動車の周囲に存在している物体の検知および分類を精緻化することを可能にする。

たとえば、カメラ１０によって取得された画像からのデータを、ＲＡＤＡＲ １１およびＬＩＤＡＲ １２センサからのデータと融合して、カメラ１０によって取得された画像において検知された物体の正確な位置およびダイナミクス（スピードおよび加速度）をよりよく推定することが可能である。

次いで確率Ｐ１、Ｐ２、Ｐ３および品質Ｑ１、Ｑ２、Ｑ３係数を使用して、物体の検知および分類のためにそれぞれの環境センサ１０、１１、１２の重みを動的に調整する。

要約すると、図１において示されているように、コンピューティングユニット２０は、ブロックＢ１を含み、このブロックは、検知された物体の説明Ｓ１、Ｓ２、Ｓ３、ならびに確率Ｐ１、Ｐ２、Ｐ３および品質Ｑ１、Ｑ２、Ｑ３係数を入力として受け取り、このブロックは、いくつかの環境センサによって検知されてデータ融合アルゴリズムによってチェックされたそれぞれの物体の説明（カテゴリー、位置、およびダイナミクス）を含む結果Ｄ２を出力として配信する。

この結果Ｄ２のおかげで、第５のステップ中に、コンピューティングユニット２０は、自動車のさまざまな駆動部材３０に関する制御命令Ｃ１を作成する。

このために、図１において示されているように、コンピューティングユニット２０は、ブロックＢ２を含み、このブロックは、ブロックＢ１から結果Ｄ２を入力として受け取り、制御命令Ｃ１を出力として配信する。

したがって、この制御命令Ｃ１は、コンピューティングユニット２０による車両の環境の評価を考慮に入れて生成される。

この評価における何らかのエラーが車両の乗員にとって危険な結果を及ぼすことを防止するために、本方法を安全にする目的で２つのさらなるステップも提供される。

第６のステップ中に、コンピューティングユニット２０は、品質Ｑ１、Ｑ２、Ｑ３および確率Ｐ１、Ｐ２、Ｐ３係数に従って制御命令Ｃ１の信頼性を推定する。

実際には、制御命令Ｃ１の信頼性は、信頼性係数Ｄ３を用いて推定される。

この信頼性係数Ｄ３を計算するためのアルゴリズムは、たとえば、品質係数Ｑ１、Ｑ２、Ｑ３および確率係数Ｐ１、Ｐ２、Ｐ３を相関付ける方法に基づくことが可能である。

好ましくは、信頼性係数Ｄ３は、主として品質係数Ｑ１、Ｑ２、Ｑ３に従って特定されるであろう。

具体的には、車両が自分の環境についての良好な理解を有することを可能にしない条件において環境センサ１０、１１、１２の大部分が動作しているということをこれらの品質係数Ｑ１、Ｑ２、Ｑ３が示している場合には、（確率係数の値がいくつであれ）信頼性係数Ｄ３を特定する際に主として考慮に入れられることになるのは、この情報である。

言い換えれば、確率係数Ｐ１、Ｐ２、Ｐ３は、品質係数Ｑ１、Ｑ２、Ｑ３よりも低い統計的重みを有している。

その上、所与のセンサの品質係数を特定するために使用されるセンサの数が多ければ多いほど、信頼性係数Ｄ３の計算におけるこの品質係数の重みは大きくなる。

信頼性係数Ｄ３を計算するためのアルゴリズムは、その他のデータを考慮に入れることが可能であろう。したがって、好ましくは、信頼性係数Ｄ３は、融合の結果Ｄ２にも従って推定されるであろう。この方法においては、融合の結果Ｄ２が矛盾している場合には、この矛盾は、信頼性係数Ｄ３を計算する際に考慮に入れられることが可能であろう。

要約すると、図１において示されているように、コンピューティングユニット２０は、ブロックＢ３を含み、このブロックは、確率Ｐ１、Ｐ２、Ｐ３および品質Ｑ１、Ｑ２、Ｑ３係数ならびに融合の結果Ｄ２を入力として受け取り、信頼性係数Ｄ３を出力として配信する。

次いで第７のステップ中に、コンピューティングユニット２０は、（制御命令Ｃ１を駆動部材３０へ送る前に）制御命令Ｃ１を訂正するかまたは訂正しないかの判断を行うことになる。

この判断は、主として信頼性係数Ｄ３を考慮に入れることによって行われる。

好ましくは、この判断は、それまでに考慮されたセンサ１０、１１、１２とは異なるセンサからの冗長性情報Ｄ１にも従って行われることが可能であろう。

実際には、信頼性係数Ｄ３がしきい値を下回っている場合、および／または考慮されているデータ同士の間における矛盾を冗長性情報Ｄ１が示している場合には、コンピューティングユニット２０が制御命令Ｃ１の訂正を要求することになると想定される。

この訂正から生じるアクションは、たとえば、車両の自律運転モードを解除すること、または１つもしくは複数の以前に識別されたセンサからの生データを考慮に入れるのをやめることであることが可能である。

要約すると、図１において示されているように、コンピューティングユニット２０は、ブロックＢ４を含み、このブロックは、信頼性係数Ｄ３ならびに冗長性情報Ｄ１を入力として受け取り、制御命令Ｃ１を訂正するための命令を出力として潜在的に配信する。

このブロックＢ４は、ＩＳＯ２６２６２標準の意味の範囲内でＡＳＩＬ－Ｄ安全レベルを確保することを目的とするアルゴリズムによって形成される。

Claims (10)

1. コンピューティングユニット（２０）と、自動車の環境に関連している生データを取得するように構成された複数のセンサ（１０、１１、１２）とを含む前記自動車を制御するための方法であって、
   前記コンピューティングユニット（２０）が、前記センサ（１０、１１、１２）によって取得された前記生データを受け取るステップと、
   前記コンピューティングユニット（２０）が、前記生データを処理して、そこから、前記自動車の前記環境に関連している情報（Ｓ１、Ｓ２、Ｓ３）と、各情報（Ｓ１、Ｓ２、Ｓ３）の導出においてエラーが発生している確率に関連している確率係数（Ｐ１、Ｐ２、Ｐ３）とを導出するステップと、
   前記情報（Ｓ１、Ｓ２、Ｓ３）および前記確率係数（Ｐ１、Ｐ２、Ｐ３）に従って前記自動車に関する制御命令（Ｃ１）を作成するステップとを含む方法において、
   前記方法がまた、
   前記センサ（１０、１１、１２）のうちの少なくとも第１のセンサに関して、前記第１のセンサ（１０、１１、１２）が取得する前記生データの品質に関連している品質係数（Ｑ１、Ｑ２、Ｑ３）を特定するステップと、
   前記品質係数（Ｑ１、Ｑ２、Ｑ３）および前記確率係数（Ｐ１、Ｐ２、Ｐ３）に従って前記制御命令（Ｃ１）の信頼性を推定するステップと、
   前記制御命令（Ｃ１）の前記推定された信頼性に従って、前記制御命令（Ｃ１）を訂正するかまたは訂正しないかを判断するステップとを含むことを特徴とする方法。
2. 前記特定するステップにおいて、前記センサ（１０、１１、１２）のうちの少なくとも第１のセンサの前記品質係数（Ｑ１、Ｑ２、Ｑ３）が、前記センサ（１０、１１、１２）のうちの少なくとも１つの他のセンサによって取得された前記生データに従って、ならびに／または、前記第１のセンサ（１０、１１、１２）によって取得された前記生データの測定の条件に関連する、サードパーティー検知器（１３）によって取得されるサードパーティーデータに従って特定される、請求項１に記載の制御方法。
3. 前記サードパーティー検知器（１３）が、光センサ、または雨センサ、または前記自動車が走行している車道の状態を検知するように構成されたセンサである、請求項２に記載の制御方法。
4. 前記センサ（１０、１１、１２）のうちの少なくとも１つが、画像センサ、またはＲＡＤＡＲセンサ、またはＬＩＤＡＲセンサである、請求項１から３のいずれか一項に記載の制御方法。
5. 前記処理するステップにおいて、前記自動車の前記環境における物体を検知し、前記物体を分類するために、各センサ（１０、１１、１２）によって送信された前記生データが、他のセンサ（１０、１１、１２）によって送信された前記生データとは別個に処理され、各確率係数（Ｐ１、Ｐ２、Ｐ３）が、分類された物体に、および前記センサ（１０、１１、１２）に関連付けられている、請求項１から４のいずれか一項に記載の制御方法。
6. 前記処理するステップにおいて、前記生データを処理した後に、前記処理されたデータが、各確率係数（Ｐ１、Ｐ２、Ｐ３）を考慮に入れて融合される、請求項５に記載の制御方法。
7. 前記処理するステップにおいて、前記生データを処理した後に、前記処理されたデータが、各品質係数（Ｑ１、Ｑ２、Ｑ３）を考慮に入れて融合される、請求項５または６に記載の制御方法。
8. 前記推定するステップにおいて、前記制御命令（Ｃ１）の前記信頼性が、前記処理されたデータの前記融合の結果にも従って推定される、請求項６または７に記載の制御方法。
9. 前記制御命令（Ｃ１）を訂正するかまたは訂正しないかの前記判断が、前記センサ（１０、１１、１２）とは異なるセンサからの冗長性情報にも従って行われる、請求項１から８のいずれか一項に記載の制御方法。
10. 自動車の環境に関連している生データを取得するように構成された複数のセンサ（１０、１１、１２）と、コンピューティングユニット（２０）とを含む自動車であって、前記コンピューティングユニット（２０）が、請求項１から９のいずれか一項に記載の制御方法を実施するように構成されていることを特徴とする自動車。
    

Images