JP2023066937A - 車両用制御装置 - Google Patents
車両用制御装置 Download PDFInfo
- Publication number
- JP2023066937A JP2023066937A JP2021177816A JP2021177816A JP2023066937A JP 2023066937 A JP2023066937 A JP 2023066937A JP 2021177816 A JP2021177816 A JP 2021177816A JP 2021177816 A JP2021177816 A JP 2021177816A JP 2023066937 A JP2023066937 A JP 2023066937A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- control mode
- control
- learning
- mode
- 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.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/30—Control
Abstract
【課題】多種多様な車外状況や車内状況に応じて、好適な制御モードを車両に設定することができる、車両用制御装置を提供すること。【解決手段】制動制御装置100は、車両10の外部状況及び車両10の内部状況のうちの少なくとも一方に関連する車両状況情報を取得する情報取得部104と、車両状況情報に適した制御モードを推定する機械学習を行った学習器103に、情報取得部104により取得された車両状況情報を入力することによって、当該学習器103から出力された指標に応じた制御モードを、複数の制御モードの中から取得するモード取得部105と、を備えている。【選択図】図1
Description
本発明は、車両用制御装置に関する。
特許文献1には、手動運転と自動運転とを切り替え可能な車両において、手動運転中に先行車両が存在しない場合の制動距離を学習し、その学習結果を自動運転の走行特性に反映させることが開示されている。
しかしながら、車両の外部の状況(以下「車外状況」という)や車両の内部の状況(以下「車内状況」という)は多種多様であるため、これらの状況に応じた車両制御を行うためには改善の余地がある。本発明の課題は、多種多様な車外状況や車内状況に応じて、好適な制御モードを車両に設定することができる、車両用制御装置を提供することである。
上記課題を解決するための車両用制御装置は、複数の制御モードを有する車両に適用され、前記車両の外部状況及び前記車両の内部状況のうちの少なくとも一方に関連する車両状況情報を取得する情報取得部と、前記車両状況情報に適した前記制御モードを推定する機械学習を行った学習器に、前記情報取得部により取得された前記車両状況情報を入力することによって、当該学習器から出力された指標に応じた前記制御モードを、複数の前記制御モードの中から取得するモード取得部と、を備えている。
上記構成では、車両状況情報と当該車両状況情報に適した制御モードとの関係が機械学習により生成されており、その関係が学習器に実装されている。そのため、上記関係をルールベースで記載するよりも、好適な上記関係を容易に生成することができる。これにより、多種多様な車外状況や車内状況に応じて、好適な制御モードを車両に設定することが可能となる。
(第1実施形態)
以下、車両用制御装置の第1実施形態を図1~図5に従って説明する。
図1は、本実施形態に係る車両10の概略構成を示す模式図である。車両10は制動制御装置100と制動装置30とを備えている。車両10では、制動装置30により車輪11に付与される制動力が制動制御装置100により調整される。本実施形態では、制動制御装置100が「車両用制動装置」に対応する。
以下、車両用制御装置の第1実施形態を図1~図5に従って説明する。
図1は、本実施形態に係る車両10の概略構成を示す模式図である。車両10は制動制御装置100と制動装置30とを備えている。車両10では、制動装置30により車輪11に付与される制動力が制動制御装置100により調整される。本実施形態では、制動制御装置100が「車両用制動装置」に対応する。
<制動装置>
制動装置30はアクチュエータ31と車輪ブレーキ20とを備えている。
制動装置30はアクチュエータ31と車輪ブレーキ20とを備えている。
アクチュエータ31は車輪ブレーキ20を駆動する。例えば、制動装置30が液圧式の制動装置である場合、アクチュエータ31は車輪ブレーキ20に対してフルードを給排する。制動装置30が電動式の制動装置である場合、アクチュエータ31は車輪ブレーキ20に対して電動機による駆動力を伝達する。
図1に例示する車輪ブレーキ20は、液圧式のディスクブレーキである。車輪ブレーキ20は、車輪11と一体となって回転する被摩擦部21と摩擦部22とホイールシリンダ23とを有して構成されている。この場合、アクチュエータ31がホイールシリンダ23へのフルードを給排することにより、摩擦部22が被摩擦部21から離間したり、摩擦部22が被摩擦部21に接近したりする。そして、摩擦部22が被摩擦部21に接触すると、車輪11に摩擦制動力が発生する。
<センサ系、車外監視系、ナビゲーション装置、車内監視系>
制動制御装置100には、センサ系50と車外監視系60とナビゲーション装置70と車内監視系80とが接続されている。
制動制御装置100には、センサ系50と車外監視系60とナビゲーション装置70と車内監視系80とが接続されている。
センサ系50は車両10の走行状態を検出する。例えば、センサ系50は、車輪速センサ51と前後加速度センサ52とヨーレートセンサ53とを有して構成されている。この場合、センサ系50は、車輪速WSや前後加速度GxやヨーレートYrを検出し、それらに応じた情報(以下「センサ情報」という)を制動制御装置100に出力する。
車外監視系60は車外状況を監視する。例えば、車外監視系60は、撮像装置61とレーダー装置62とを有して構成されている。撮像装置61は車両10の外部を撮像する。レーダー装置62は、車両10の周辺に位置する他の車両や障害物や障害物と車両10との距離や方向を検出する。この場合、車外監視系60は、撮像装置61により撮像された画像に基づく情報(以下「車外撮像情報」という)と、レーダー装置62により検出された距離や方向に基づく情報(以下「レーダー情報」という)とを、制動制御装置100に出力する。
車外撮像情報は、撮像装置61により撮像された画像であってもよいし、その画像に画像処理を施した画像であってもよい。レーダー情報は、レーダー装置62により検出された距離や方向であってもよいし、これら距離や方向から生成された三次元空間情報であってもよい。
ナビゲーション装置70は、現在位置を取得し、現在位置に関する情報(以下「地図情報」という)を取得する。地図情報には、車両10の現在位置の周辺の地理、地形、道路、施設及び店舗の少なくとも何れかに関する情報が含まれる。ナビゲーション装置70は、車両10に設けられた車載のナビゲーション装置であってもよいし、車両10の乗員が所有する移動体通信機であってもよい。
以降、車外撮像情報やレーダー情報や地図情報等の車外状況を示す情報を「車外状況情報」という。
車内監視系80は車両10の車室内を監視する。例えば、車内監視系80は、車両10の内部を撮像する撮像装置81を備えて構成されている。この場合、車内監視系80は、撮像装置81が撮像した画像に関する情報(以下「車内撮像情報」という)を制動制御装置100に出力する。
車内監視系80は車両10の車室内を監視する。例えば、車内監視系80は、車両10の内部を撮像する撮像装置81を備えて構成されている。この場合、車内監視系80は、撮像装置81が撮像した画像に関する情報(以下「車内撮像情報」という)を制動制御装置100に出力する。
<操作部、表示部>
制動制御装置100には、操作部17と表示部18とが接続されている。
操作部17は、車両10の乗員(主に、運転者)が車両10の制御モードを変更する操作を受け付ける。操作部17は、車両10の乗員による操作内容を制動制御装置100に出力する。制御モードについては詳しくは後述する。
制動制御装置100には、操作部17と表示部18とが接続されている。
操作部17は、車両10の乗員(主に、運転者)が車両10の制御モードを変更する操作を受け付ける。操作部17は、車両10の乗員による操作内容を制動制御装置100に出力する。制御モードについては詳しくは後述する。
表示部18は、制動制御装置100から出力された情報を表示する。例えば、表示部18は、制御モードを示す文字やアイコン画像を表示する。
<制御モード>
車両10は複数の制御モードを有している。本実施形態では、車両10の制動制御に関する制御モードを例示して本発明を説明するが、制御モードは、駆動制御に関するものであってもよいし、操向制御に関するものであってもよいし、車両10の制動、駆動及び操向の少なくとも2つの協調制御に関するものであってもよい。また本実施形態では、第1制御モードから第4制御モードの4つの制御モードを例示して本発明を説明するが、2つ又は3つの制御モードが用意されていてもよいし、5つ以上の制御モードが用意されていてもよい。
<制御モード>
車両10は複数の制御モードを有している。本実施形態では、車両10の制動制御に関する制御モードを例示して本発明を説明するが、制御モードは、駆動制御に関するものであってもよいし、操向制御に関するものであってもよいし、車両10の制動、駆動及び操向の少なくとも2つの協調制御に関するものであってもよい。また本実施形態では、第1制御モードから第4制御モードの4つの制御モードを例示して本発明を説明するが、2つ又は3つの制御モードが用意されていてもよいし、5つ以上の制御モードが用意されていてもよい。
・第1制御モードは、標準的な制動制御モードである。
・第2制御モードは、車両10の乗員の快適性を重視する制動制御モードである。
例えば、第2制御モードでは、第1制御モードと比較して、制動時における車両10のピッチング運動やロール運動を抑えることが考えられる。この場合、第2制御モードにおける制動制御としては、公知のピッチング抑制制御やロール抑制制御を用いることができる。
・第2制御モードは、車両10の乗員の快適性を重視する制動制御モードである。
例えば、第2制御モードでは、第1制御モードと比較して、制動時における車両10のピッチング運動やロール運動を抑えることが考えられる。この場合、第2制御モードにおける制動制御としては、公知のピッチング抑制制御やロール抑制制御を用いることができる。
・第3制御モードは、車両10の走行環境への環境性を重視する制動制御モードである。
例えば、車輪ブレーキ20により制動力を発生させると、摩擦部22の摩耗によって粉塵が発生する。ここで粉塵の発生量は、摩擦部22を被摩擦部21に押し付ける力が大きいほど、摩擦部22を被摩擦部21に押し付ける時間が長いほど、多くなる。そこで、第3制御モードでは、第1制御モードと比較して、車輪ブレーキ20による制動力を抑制したり、車輪ブレーキ20による制動時間を短縮したりすることが考えられる。この場合、第3制御モードにおける制動制御としては、摩擦制動力を抑制し、摩擦制動力を抑制した分を非摩擦制動力で補償する制御が考えられる。非摩擦制動力としては、機械制動力や回生制動力を用いることができる。
例えば、車輪ブレーキ20により制動力を発生させると、摩擦部22の摩耗によって粉塵が発生する。ここで粉塵の発生量は、摩擦部22を被摩擦部21に押し付ける力が大きいほど、摩擦部22を被摩擦部21に押し付ける時間が長いほど、多くなる。そこで、第3制御モードでは、第1制御モードと比較して、車輪ブレーキ20による制動力を抑制したり、車輪ブレーキ20による制動時間を短縮したりすることが考えられる。この場合、第3制御モードにおける制動制御としては、摩擦制動力を抑制し、摩擦制動力を抑制した分を非摩擦制動力で補償する制御が考えられる。非摩擦制動力としては、機械制動力や回生制動力を用いることができる。
また、第3制御モードでは、第1制御モードと比較して、制動時に発生する音を低減する。この場合、第3制御モードとしては、公知のブレーキ鳴き抑制制御を用いることができる。
・第4制御モードは、車両10の乗員の安全性を重視する制動モードである。
例えば、第4制御モードでは、第1制御モードと比較して、車輪ブレーキ20の制動作動の応答性を高くすることが考えられる。この場合、第4制御モードの制動制御としては、公知の応答性向上制御を用いることができる。
例えば、第4制御モードでは、第1制御モードと比較して、車輪ブレーキ20の制動作動の応答性を高くすることが考えられる。この場合、第4制御モードの制動制御としては、公知の応答性向上制御を用いることができる。
また、第4制御モードでは、第1制御モードと比較して、車両10におけるスリップの発生を抑制することが考えられる。この場合、第4制御モードの制動制御としては、公知のアンチロックブレーキ制御の開始閾値やトラクションコントロール制御の開始閾値を、第1制御モードよりも制御が介入され易い側に設定された制御を用いることが考えられる。
また、第4制御モードでは、第1制御モードと比較して、車両10の姿勢の安定性を高くすることが考えられる。この場合、第4制御モードの制動制御としては、公知の車両安定制御の開始閾値を、第1制御モードよりも制御が介入され易い側に設定された制御を用いることが考えられる。
<制動制御装置>
制動制御装置100は、制御部101と記憶部102と学習器103とを備えている。記憶部102には、制御部101により実行される各種の制御プログラムが記憶されている。
制動制御装置100は、制御部101と記憶部102と学習器103とを備えている。記憶部102には、制御部101により実行される各種の制御プログラムが記憶されている。
学習器103は、車外状況及び車内状況に適した制御モードを推定する機械学習を行った学習済モデルLMにより構築されている。学習済モデルLMは、車外状況情報及び車内状況情報が入力されると、それらの情報に応じた確率値を出力する。当該確率値は各制御モードに対して出力される。当該確率値が「指標」に相当する。例えば、学習済モデルLMは、順伝搬型のニューラルネットワークである。学習済モデルLMの学習方法については後述する。
以降、車外状況及び車内状況を「車両状況」という。また、車外状況情報及び車内状況情報を「車両状況情報」という。
ここで、車両状況は、車両10の走行において重視されるべき性能に、ひいては車両状況に適した制御モードに関連する。
ここで、車両状況は、車両10の走行において重視されるべき性能に、ひいては車両状況に適した制御モードに関連する。
例えば、車外撮像情報やレーダー情報によれば、車両10の周辺に位置する車両や歩行者や障害物の数と、それらとの距離とを、把握することが可能である。車外撮像情報や地図情報によれば、車両10が走行している地域の種類や道路の種類を、把握することが可能である。地図情報によれば、車両10の周辺に存在する施設や店舗と、車両10が走行している地域の地形や道路の形状とを、把握することが可能である。以降、車両10の周辺に位置する車両や歩行者や障害物を「周辺車両等」という。
車両10の周辺車両等が多いほど、車両10と周辺車両等の距離が近いほど、車両10が交通信号機や交差点に近づくほど、安全性が重視される傾向が高まると考えられる。車両10が都市部や住宅地を走行している場合は、車両10が商業地や工業地を走行している場合よりも、安全性が重視される傾向が高まると考えられる。車両10が一般道を走行している場合は、車両10が高速道路を走行している場合よりも、安全性が重視される傾向が高まると考えられる。車両10の周辺に学校等の児童が集まる施設や店舗が多いほど、安全性が重視される傾向が高まると考えられる。
車両10が田舎や高速道路を走行している場合は、車両10が都市部や一般道を走行している場合よりも、快適性が重視される傾向が高まると考えられる。車両10が幹線道路を走行している場合は、生活道路を走行している場合よりも、環境性が重視される傾向が高まると考えられる。
車内撮像情報によれば、車両10の乗員の数、年齢、姿勢等を把握することが可能である。
車両10の運転者が高齢であるほど、車両10に乗車している人数が多いほど、安全性が重視される傾向が高まると考えられる。高齢者や児童が車両10に乗車している場合は安全性が重視される傾向が高まると考えられる。車両10の運転者以外の乗員の姿勢がシートにもたれかかるようなリラックスした姿勢である場合は、快適性が重視される傾向が高まると考えられる。
車両10の運転者が高齢であるほど、車両10に乗車している人数が多いほど、安全性が重視される傾向が高まると考えられる。高齢者や児童が車両10に乗車している場合は安全性が重視される傾向が高まると考えられる。車両10の運転者以外の乗員の姿勢がシートにもたれかかるようなリラックスした姿勢である場合は、快適性が重視される傾向が高まると考えられる。
これらの車両10において重視される性能の傾向を総合的に勘案することにより、各制御モードの車両状況への適合度が定まると考えられる。
制動制御装置100は、制御部101が制御プログラムを実行することにより、情報取得部104とモード取得部105とモード設定部106として機能する。
制動制御装置100は、制御部101が制御プログラムを実行することにより、情報取得部104とモード取得部105とモード設定部106として機能する。
情報取得部104は車両状況情報を取得する。例えば、情報取得部104は、車外状況情報として、車外撮像情報とレーダー情報と地図情報とを取得する。また、情報取得部104は、車内状況情報として車内撮像情報を取得する。
モード取得部105は、情報取得部104により取得された車両状況情報に適した制御モードを取得する。詳しくは、モード取得部105は、車両状況情報を学習器103に入力し、学習器103から出力された確率値に基づいて、4つの制御モードから車両状況情報に適した制御モードを取得する。
例えばモード取得部105は、確率値が最も高い制御モードを選択する。ここで、学習器103の学習済モデルLMによっては、車両10が有していない制御モードの確率値が最も高くなることが考えられる。この場合、モード取得部105は、4つの制御モードのうち確率値が最も高い制御モードを取得すればよい。
以降、上述の如く取得された車両状況に適した制御モードを「推奨制御モード」という。
モード設定部106は、推奨制御モードに基づいて、車両10の制御モードを変更又は維持する。
モード設定部106は、推奨制御モードに基づいて、車両10の制御モードを変更又は維持する。
例えば、モード設定部106は、車両10の制御モードの推奨制御モードへの変更が車両10の快適性や環境性を重視して安全性を低下させるものである場合、制御モードの変更を車両10の乗員に提案する。この提案に係る処理は、提案内容を表示部18に表示するものでもよいし、提案内容を音声に変換するものでもよい。この場合、モード設定部106は、車両10の乗員による提案を受け入れる意思を受け付けたことを条件に、車両10の制御モードを推奨制御モードに変更する。乗員の意思は、操作部17により受け付けた乗員による操作であってもよいし、乗員の音声であってもよい。
一方、モード設定部106は、車両10の制御モードの推奨制御モードへの変更が車両10の安全性を高めるものである場合は、車両10の乗員の意思を確認することなく、車両10の制御モードを推奨制御モードに変更する。この場合、モード設定部106は、車両10の制御モードが推奨制御モードに変更されたことを、車両10の乗員に通知してもよい。この通知に係る処理は、制御モードの変更内容を表示部18に表示するものでもよいし、車両10の制御モードの変更内容を音声に変換するものであってもよい。
なお、モード設定部106は、推奨制御モードが車両10の現在の制御モードと同一である場合には現在の制御モードを維持する。
<制御モード変更処理>
図2は、車両状況に基づいて制御モードを変更する処理の流れを示すフローチャートである。以降、この処理を「制御モード変更処理」という。制御モード変更処理に対応する制御プログラムは、制御部101により所定の制御サイクル毎に実行される。
<制御モード変更処理>
図2は、車両状況に基づいて制御モードを変更する処理の流れを示すフローチャートである。以降、この処理を「制御モード変更処理」という。制御モード変更処理に対応する制御プログラムは、制御部101により所定の制御サイクル毎に実行される。
制動制御装置100は、情報取得部104により、ステップS11において車外状況情報を取得し、ステップS13において車内状況情報を取得する。
ステップS15において、制動制御装置100は、モード取得部105により、ステップS11及びS13で取得された車両状況情報を学習器103に入力する。
ステップS15において、制動制御装置100は、モード取得部105により、ステップS11及びS13で取得された車両状況情報を学習器103に入力する。
ステップS17において、制動制御装置100は、モード取得部105により、学習器103から出力された各制御モードに対応する確率値を取得する。
ステップS19において、制動制御装置100は、モード取得部105により、ステップS17で取得された確率値に基づいて、推奨制御モードを取得する。
ステップS19において、制動制御装置100は、モード取得部105により、ステップS17で取得された確率値に基づいて、推奨制御モードを取得する。
ステップS21において、制動制御装置100は、モード設定部106により、ステップS19で取得された推奨制御モードが車両10の現在の制御モードと同一か否かを判定する。制動制御装置100は、推奨制御モードが現在の制御モードと同一であると判定した場合(S21:YES)、今回の処理を終了し、推奨制御モードが現在の制御モードと同一ではないと判定した場合(S21:NO)、ステップS23の処理に移行する。
ステップS23において、制動制御装置100は、モード設定部106により、車両10の現在の制御モードの推奨制御モードへの変更が安全性を高めるものであるか否かを、すなわち推奨制御モードが第4制御モードであるか否かを判定する。制動制御装置100は、上記変更が安全性を高めるものであると判定した場合(S23:YES)、ステップS29の処理に移行し、上記変更が安全性を高めるものではないと判定した場合(S23:NO)、ステップS25の処理に移行する。
ステップS25において、制動制御装置100は、モード設定部106により、車両10の制御モードを推奨制御モードに変更することを、車両10の乗員に提案する。
ステップS27において、制動制御装置100は、モード設定部106により、ステップS25で提案した内容(以下「提案内容」という)を受け入れる車両10の乗員の意思(以下「提案受け入れ意思」という)が取得されたか否かを判定する。制動制御装置100は、提案受け入れ意思が取得されたと判定した場合(S27:YES)、ステップS29の処理に移行し、提案受け入れ意思が取得されていないと判定した場合(S27:NO)、今回の処理を終了する。制動制御装置100は、提案受け入れ意思が取得されるまで、所定時間だけ待機してもよい。
ステップS27において、制動制御装置100は、モード設定部106により、ステップS25で提案した内容(以下「提案内容」という)を受け入れる車両10の乗員の意思(以下「提案受け入れ意思」という)が取得されたか否かを判定する。制動制御装置100は、提案受け入れ意思が取得されたと判定した場合(S27:YES)、ステップS29の処理に移行し、提案受け入れ意思が取得されていないと判定した場合(S27:NO)、今回の処理を終了する。制動制御装置100は、提案受け入れ意思が取得されるまで、所定時間だけ待機してもよい。
ステップS29において、制動制御装置100は、モード設定部106により、車両10の制御モードを推奨制御モードに変更し、今回の処理を終了する。
<学習システム>
次に図3及び図4を参照し、学習済モデルLMを生成する学習システム及び学習方法について説明する。
<学習システム>
次に図3及び図4を参照し、学習済モデルLMを生成する学習システム及び学習方法について説明する。
図3は本実施形態の学習システムの概略構成を示す模式図である。学習システムは、車両10とサーバ装置200とを含んで構成されている。サーバ装置200には、複数の車両10が移動体通信ネットワーク300を介して接続されている。学習システムでは、複数の車両10において学習データLDが生成され、サーバ装置200において学習データLDを用いて機械学習が行われる。この学習結果が学習済モデルLMである。
<車両>
車両10は車両側通信装置90を備えている。
車両側通信装置90は、制動制御装置100から出力された情報を、移動体通信ネットワーク300を介してサーバ装置200に送信する。
車両10は車両側通信装置90を備えている。
車両側通信装置90は、制動制御装置100から出力された情報を、移動体通信ネットワーク300を介してサーバ装置200に送信する。
制動制御装置100は、制御部101が制御プログラムを実行することにより、学習データ生成部107と学習データ送信部108として機能する。
学習データ生成部107は、車両10の車両状況情報及び制御モードを同時期に取得し、それらを関連付けて学習データLDを生成する。学習データ生成部107は、車両10の乗員により制御モードが変更された際の車両状況情報と変更後の制御モードとを関連付けて学習データLDを生成してもよいし、車両状況情報及び制御モードを所定周期で取得し、それらを関連付けて学習データLDを生成してもよい。
学習データ生成部107は、車両10の車両状況情報及び制御モードを同時期に取得し、それらを関連付けて学習データLDを生成する。学習データ生成部107は、車両10の乗員により制御モードが変更された際の車両状況情報と変更後の制御モードとを関連付けて学習データLDを生成してもよいし、車両状況情報及び制御モードを所定周期で取得し、それらを関連付けて学習データLDを生成してもよい。
学習データ送信部108は、学習データ生成部107により生成された学習データLDを、車両側通信装置90を介してサーバ装置200に送信する。
<サーバ装置>
サーバ装置200は、サーバ側通信装置201と学習装置210とを有して構成されている。サーバ装置200は、車両10から送信された学習データLDをサーバ側通信装置201で受信し、その学習データLDを用いて学習装置210で機械学習を行う。
<サーバ装置>
サーバ装置200は、サーバ側通信装置201と学習装置210とを有して構成されている。サーバ装置200は、車両10から送信された学習データLDをサーバ側通信装置201で受信し、その学習データLDを用いて学習装置210で機械学習を行う。
学習装置210は制御部211と記憶部212とを有して構成されている。記憶部212には、学習プログラムと学習モデルとが記憶されており、学習データLDと学習結果LRとが記憶される。学習結果LRの初期値は、学習モデルのテンプレートにより与えてもよいし、オペレータの入力により与えてもよい。再学習を行う場合には、学習結果LRの初期値は学習結果LRに基づいて与えてもよい。
以降では、学習モデルがニューラルネットワークであるとして具体的に説明するが、本発明の学習モデルはニューラルネットワークに限定されるものではない。
学習モデルがニューラルネットワークである場合、学習結果LRは各ニューロン間の結合の重みと各ニューロンの閾値である。
学習モデルがニューラルネットワークである場合、学習結果LRは各ニューロン間の結合の重みと各ニューロンの閾値である。
学習装置210は、制御部211が学習プログラムを実行することにより、学習データ取得部213と学習部214として機能する。
学習データ取得部213は、サーバ側通信装置201により受信された学習データLDを取得する。
学習データ取得部213は、サーバ側通信装置201により受信された学習データLDを取得する。
学習部214は、学習データ取得部213により取得された学習データLDを用いて、車両状況に適した制御モードを推定する機械学習を行い、学習結果LRを記憶部212に記憶する。詳しくは、学習部214は、学習モデルに学習データLDの車両状況を入力し、学習モデルの出力が学習データLDの制御モードを示すように学習モデルのパラメータを更新し、更新後のパラメータを学習結果LRとして記憶部212に記憶する。
例えば、学習部214は、学習データLDの車両状況情報をニューラルネットワークの入力層に入力し、ニューラルネットワークの出力層の出力値と正解値との誤差を演算する。例えば正解値は、学習データLDの制御モードに対応する値を1とし、他の制御モードに対応する値を0とする。
学習部214は、これらの誤差が小さくなるように各ニューロン間の結合の重み及び各ニューロンの閾値を更新する。この際、学習部214は、周知の通時的誤差逆伝搬(Back propagation through time)法や確率的勾配降下(Stochastic gradient descent)法等を用いることができる。そして、学習部214は、更新後の重み及び閾値を記憶部212に記憶する。
<学習データ生成処理>
図4は、車両10において学習データLDを生成する処理の流れを示すフローチャートである。以降、この処理を「学習データ生成処理」という。学習データ生成処理に対応する制御プログラムは、制御部101により所定の制御サイクル毎に実行される。
図4は、車両10において学習データLDを生成する処理の流れを示すフローチャートである。以降、この処理を「学習データ生成処理」という。学習データ生成処理に対応する制御プログラムは、制御部101により所定の制御サイクル毎に実行される。
ステップS31において、制動制御装置100は、車両10の乗員により制御モードが変更されたか否かを判定する。制動制御装置100は、車両10の乗員により制御モードが変更されたと判定した場合(ステップS31:YES)、ステップS33の処理に移行し、車両10の乗員により制御モードが変更されていないと判定した場合(ステップS31:NO)、今回の処理を終了する。
ステップS33において、制動制御装置100は、情報取得部104により、車両状況情報を取得する。
ステップS35において、制動制御装置100は車両10の制御モードを取得する。
ステップS35において、制動制御装置100は車両10の制御モードを取得する。
ステップS37において、制動制御装置100は、学習データ生成部107により、ステップS33で取得した車両状況情報とステップS35で取得した制御モードとを関連付けて学習データLDを生成する。
ステップS39において、制動制御装置100は、学習データ送信部108により、ステップS37で生成した学習データLDをサーバ装置200に送信する。
<学習処理>
図5は、サーバ装置200における機械学習の流れを示すフローチャートである。以降、この処理を「学習処理」という。学習処理に対応する制御プログラムは、制御部211により所定の制御サイクル毎に実行される。
<学習処理>
図5は、サーバ装置200における機械学習の流れを示すフローチャートである。以降、この処理を「学習処理」という。学習処理に対応する制御プログラムは、制御部211により所定の制御サイクル毎に実行される。
ステップS41において、学習装置210は、機械学習が完了しているか否かを判定する。例えば、学習装置210は、フラグFLGが機械学習の完了を示しているか否かを判定する。学習装置210は、フラグFLGが機械学習の完了を示すオンである場合(S41:YES)、今回の処理を終了し、フラグFLGが機械学習の未完了を示すオフである場合(S41:NO)、ステップS42の処理に移行する。
ステップS42において、学習装置210は、学習データ取得部213により、学習データLDが取得されたか否かを判定する。学習装置210は、学習データLDが取得されていないと判定した場合(S42:NO)、今回の処理を終了し、学習データLDが取得されたと判定した場合(S42:YES)、ステップS43の処理に移行する。
ステップS43において、学習装置210は、学習部214により、ステップS42で取得された学習データLDを用いて、車両状況に適した制御モードを推定する機械学習を行い、学習結果LRを記憶部212に記憶する。
ステップS44において、学習装置210は、機械学習が完了したか否かを判定する。例えば、学習装置210は、ステップS43の処理の実行回数を計数し、その実行回数が設定値DCth以上である場合に、機械学習が完了したと判定し、その実行回数が設定値DCth未満である場合に機械学習が完了してないと判定する。
学習装置210は、機械学習が完了したと判定した場合(S44:YES)、ステップS45の処理に移行し、機械学習が完了していないと判定した場合(S44:NO)、ステップS46の処理に移行する。
ステップS45において、学習装置210は、フラグFLGを機械学習の完了を示すオンとし、今回の処理を終了する。
ステップS46において、学習装置210は、フラグFLGを機械学習の未完了を示すオフとし、今回の処理を終了する。
ステップS46において、学習装置210は、フラグFLGを機械学習の未完了を示すオフとし、今回の処理を終了する。
<本実施形態の効果>
(1-1)本実施形態では、車両状況に適した制御モードを推定する機能を、機械学習による学習済モデルLMとして実現した。学習済モデルLMによれば、学習済モデルLMに相当する機能をルールベースで記載したアルゴリズムよりも、多種態様な車両状況に応じて、好適な制御モードを精度よく推定することができる。これにより、多種多様な車両状況に応じて、好適な制御モードを車両10に設定することが可能となる。
(1-1)本実施形態では、車両状況に適した制御モードを推定する機能を、機械学習による学習済モデルLMとして実現した。学習済モデルLMによれば、学習済モデルLMに相当する機能をルールベースで記載したアルゴリズムよりも、多種態様な車両状況に応じて、好適な制御モードを精度よく推定することができる。これにより、多種多様な車両状況に応じて、好適な制御モードを車両10に設定することが可能となる。
(1-2)本実施形態では、車両10において、学習データLDを生成し、その学習データLDをサーバ装置200に送信するようにした。そして本実施形態では、サーバ装置200において、車両10から受信した学習データLDを用いて機械学習を行うようにした。
本実施形態によれば、一般車両としての車両10を含んで学習システムを構成することが可能である。この場合、専用車両の特定目的の走行ではなく、一般車両の市場走行において学習データLDを生成し、サーバ装置200において学習データLDを収集することができる。すなわち、学習データLDを準備するコストを、ひいては学習済モデルLMの生成に要するコストを低減することができる。ここで、特定目的とは学習データLDを収集する目的であり、専用車両とは学習データLDを収集することを目的に開発された装置を搭載した車両である。
(1-3)本実施形態では、車両10の車両状況及び制御モードを同時期に取得し、それらを関連付けて学習データLDを生成するようにした。
これにより、車両状況と制御モードとの相関性が高い学習データLDを生成することができ、ひいては機械学習の効率を高めることができる。また、学習済モデルLMによる制御モードの推定精度を高めることができ、ひいては車両10における制御モード変更制御の精度を高めることができる。
これにより、車両状況と制御モードとの相関性が高い学習データLDを生成することができ、ひいては機械学習の効率を高めることができる。また、学習済モデルLMによる制御モードの推定精度を高めることができ、ひいては車両10における制御モード変更制御の精度を高めることができる。
特に、車両10の乗員により制御モードが変更された際の車両状況と変更後の制御モードとを関連付けて学習データLDを生成することにより、車両状況と制御モードとの相関性が一層高い学習データLDを生成することができる。
また、車両状況情報及び制御モードを所定周期で取得し、それらを関連付けて学習データLDを生成することにより、多くの学習データLDを確実に生成することができる。
(1-4)本実施形態では、車外撮像情報を車外状況情報として、車内撮像情報を車内状況情報として、学習データLDを生成するようにした。ここで、画像によれば文字や数値と比較して多種多様な車両状況を的確に示すことができる。そのため、車外画像情報や車内画像情報を学習モデルへの入力とすることにより、多種態様な車両状況に適した制御モードを推定する機械学習を行うことができる。また、車両10において多種多様な車両状況に応じて、好適な制御モードを設定することができる。
(1-4)本実施形態では、車外撮像情報を車外状況情報として、車内撮像情報を車内状況情報として、学習データLDを生成するようにした。ここで、画像によれば文字や数値と比較して多種多様な車両状況を的確に示すことができる。そのため、車外画像情報や車内画像情報を学習モデルへの入力とすることにより、多種態様な車両状況に適した制御モードを推定する機械学習を行うことができる。また、車両10において多種多様な車両状況に応じて、好適な制御モードを設定することができる。
(1-5)本実施形態では、地図情報を車外状況情報として、学習データLDを生成するようにした。ここで地図情報には、撮像装置により撮像可能な範囲には含まれない広範な情報が含まれる。そのため、地図情報を学習モデルへの入力とすることにより、広範な車外状況に適した制御モードを推定する機械学習を行うことができる。また、広範な車外状況に応じて、好適な制御モードを車両10に設定することができる。
(第2実施形態)
以下、車両用制御システムの実施形態を図6及び図7に従って説明する。本実施形態では、第1実施形態と相違している部分について主に説明するものとし、第1実施形態と実質的に同一の構成及び機能には同一符号を付して重複説明を省略するものとする。
以下、車両用制御システムの実施形態を図6及び図7に従って説明する。本実施形態では、第1実施形態と相違している部分について主に説明するものとし、第1実施形態と実質的に同一の構成及び機能には同一符号を付して重複説明を省略するものとする。
図6は、本実施形態に係る車両用制御システムの概略構成を示す模式図である。車両用制御システムは、車両10Aとサーバ装置200Aとを含んで構成されている。サーバ装置200Aには、複数の車両10Aが移動体通信ネットワーク300を介して接続されている。
<車両>
本実施形態の車両10Aは、記憶部102に記憶されている制御プログラムが第1実施形態の車両10と異なる点を除いて、第1実施形態の車両10と実質的に同一である。車両10Aの制動制御装置100は、制御部101が制御プログラムを実行することにより、情報取得部104とモード取得部105Aとモード設定部106として機能する。
本実施形態の車両10Aは、記憶部102に記憶されている制御プログラムが第1実施形態の車両10と異なる点を除いて、第1実施形態の車両10と実質的に同一である。車両10Aの制動制御装置100は、制御部101が制御プログラムを実行することにより、情報取得部104とモード取得部105Aとモード設定部106として機能する。
モード取得部105Aは、情報取得部104により取得された車両状況情報をサーバ装置200Aに送信し、送信した車両状況情報に適した制御モード(推奨制御モード)を、サーバ装置200Aから取得する。詳しくは、モード取得部105Aは、車両状況情報を、車両側通信装置90を介してサーバ装置200Aに送信する。そして、モード取得部105Aは、サーバ装置200Aから送信された推奨制御モードを、車両側通信装置90を介して受信する。
<サーバ装置>
本実施形態のサーバ装置200Aは、モード提供装置220を備えている点を除き、第1実施形態のサーバ装置200と実質的に同一である。
本実施形態のサーバ装置200Aは、モード提供装置220を備えている点を除き、第1実施形態のサーバ装置200と実質的に同一である。
モード提供装置220は、制御部221と記憶部222と学習器223とを有して構成されている。記憶部222には、制御部221により実行される制御プログラムが記憶されている。学習器223は、第1実施形態の学習器103と実質的に同一である。
モード提供装置220は、制御部221が制御プログラムを実行することにより、モード導出部224とモード送信部225として機能する。
モード導出部224は、サーバ側通信装置201を介して受信された車両状況情報に基づいて推奨制御モードを導出する。例えば、モード導出部224は、車両状況情報を学習器223に入力し、学習器223から出力された確率値に基づいて、4つの制御モードから車両状況情報に適した制御モードを推奨制御モードとして導出する。
モード導出部224は、サーバ側通信装置201を介して受信された車両状況情報に基づいて推奨制御モードを導出する。例えば、モード導出部224は、車両状況情報を学習器223に入力し、学習器223から出力された確率値に基づいて、4つの制御モードから車両状況情報に適した制御モードを推奨制御モードとして導出する。
モード送信部225は、モード導出部224により導出された推奨制御モードを、サーバ側通信装置201を介して車両10Aに送信する。
<制御モード変更処理>
図7は、本実施形態の車両用制御システムにおける制御モード変更処理の流れを示すシーケンス図である。
<制御モード変更処理>
図7は、本実施形態の車両用制御システムにおける制御モード変更処理の流れを示すシーケンス図である。
車両10AにおけるステップS11及びS13の処理は、それぞれ図2に示す第1実施形態のステップS11及びS13の処理と実質的に同一である。
ステップS114において、制動制御装置100は、モード取得部105Aにより、ステップS11及びステップS13で取得された車両状況情報を、車両側通信装置90を介してサーバ装置200Aに送信する。
ステップS114において、制動制御装置100は、モード取得部105Aにより、ステップS11及びステップS13で取得された車両状況情報を、車両側通信装置90を介してサーバ装置200Aに送信する。
サーバ装置200Aにおいて、車両10Aから送信された車両状況情報が受信されると、モード提供装置220はステップS115からS120の処理を実行する。
ステップS115からS119の処理は、これらの処理の実行主体がモード提供装置220である点と、ステップS115の処理における学習器223への入力が車両10Aから送信された車両状況情報である点とを除き、それぞれ図2に示す第1実施形態のステップS15からS19の処理と実質的に同一である。
ステップS115からS119の処理は、これらの処理の実行主体がモード提供装置220である点と、ステップS115の処理における学習器223への入力が車両10Aから送信された車両状況情報である点とを除き、それぞれ図2に示す第1実施形態のステップS15からS19の処理と実質的に同一である。
モード提供装置220は、モード導出部224により、ステップS115においてサーバ側通信装置201で受信された車両状況情報を学習器223に入力し、ステップS117において学習器223から出力された各制御モードに対応する確率値を取得し、ステップS119において各制御モードに対応する確率値に基づいて推奨制御モードを導出する。
ステップS120において、モード提供装置220は、ステップS119で導出された推奨制御モードを、サーバ側通信装置201を介して車両10Aに送信する。
車両10Aにおいて、サーバ装置200Aから送信された推奨制御モードが受信されると、制動制御装置100はステップS121の処理に移行する。
車両10Aにおいて、サーバ装置200Aから送信された推奨制御モードが受信されると、制動制御装置100はステップS121の処理に移行する。
ステップS121の処理は、処理対象がサーバ装置200Aから送信された推奨制御モードである点を除き、図2に示す第1実施形態のステップS21の処理と実質的に同一である。
ステップS121において、制動制御装置100は、モード設定部106により、サーバ装置200Aから送信された推奨制御モードが車両10の現在の制御モードと同一か否かを判定する。制動制御装置100は、推奨制御モードが現在の制御モードと同一であると判定した場合(S121:YES)、今回の処理を終了し、推奨制御モードが現在の制御モードと同一ではないと判定した場合(S121:NO)、ステップS23の処理に移行する。
ステップS23以降の処理は、図2に示す第1実施形態のステップS23からS29の処理と実質的に同一であるため、図7への図示及び説明を省略する。
<本実施形態の効果>
本実施形態によれば、上記(1-1)~(1-5)と同等の効果に加え、以下に示す効果をさらに得ることができる。
<本実施形態の効果>
本実施形態によれば、上記(1-1)~(1-5)と同等の効果に加え、以下に示す効果をさらに得ることができる。
(2-1)本実施形態では、サーバ装置200Aから推奨制御モードを車両10Aに提供するようにした。これにより、第1実施形態の学習器103に相当する構成を車両10Aに設ける必要がないため、車両10Aを簡素化することができる。
(2-2)本実施形態では、学習器223をサーバ装置200Aに設けた。これにより、学習済モデルLMを更新する処理を簡素化することができる。また、車両10Aの制御モードを最新の学習済モデルLMに基づいて設定することができる。
(変更例)
上記複数の実施形態は、以下のように変更して実施することができる。上記複数の実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
上記複数の実施形態は、以下のように変更して実施することができる。上記複数の実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
・上記複数の実施形態では、車外状況及び車内状況に適した制御モードを、推奨制御モードとした。
しかしながら、車外状況及び車内状況の何れか一方に適した制御モードを、推奨制御モードとしてもよい。
しかしながら、車外状況及び車内状況の何れか一方に適した制御モードを、推奨制御モードとしてもよい。
また、車両状況と車両の走行状態とに適した制御モードを、推奨制御モードとしてもよい。この場合、例えば、車両状況とセンサ情報と制御モードとを同時期に取得し、それらを関連付けて学習データを生成し、当該学習データを用いた機械学習により学習済モデルを生成すればよい。そして、車両状況とセンサ情報とを学習済モデルに入力して、学習済モデルから出力された確率値に基づいて推奨制御モードを取得すればよい。
・上記複数の実施形態では、学習器から出力された確率値に基づいて、4つの制御モードから車両状況に適した制御モードを取得するようにした。しかしながら、車両状況に適していない制御モード(以下「非推奨制御モード」という)を取得するようにしてもよい。この場合、例えば、学習済モデルから出力された確率が最も低い制御モードを非推奨制御モードして取得することが考えられる。この場合、車両の乗員が車両の制御モードを非推奨制御モードに変更する操作を行った場合に、当該制御モードの変更に対して警告を行うことや、当該制御モードの変更を記録することが考えられる。
・上記複数の実施形態では、車両の制御モードの推奨制御モードへの変更が安全性を低下させるものである場合に、車両の乗員の意思を確認するように、すなわち上記変更を車両の乗員に提案するようにした。しかしながら、車両の制御モードの推奨制御モードへの変更が安全性を低下させるものであったとしても、車両の乗員の意思を確認することなく、すなわち上記変更を車両の乗員に提案することなく、車両の制御モードを推奨制御モードに変更してもよい。
・上記複数の実施形態では、車両の制御モードの推奨制御モードへの変更が安全性を高めるものである場合は、車両の乗員の意思を確認することなく、すなわち上記変更を車両の乗員に提案することなく、車両の制御モードを推奨制御モードに変更するようにした。しかしながら、車両の制御モードの推奨制御モードへの変更が安全性を高めるものであったとしても、車両の乗員の意思を確認するように、すなわち上記変更を車両の乗員に提案するようにしてもよい。
・上記複数の実施形態では、車両の乗員の意思を確認の有無を、安全性の観点で決定するようにしたが、安全性以外の観点で、例えば快適性や環境性の観点で、車両の乗員の意思を確認の有無を決定するようにしてもよい。
・上記複数の実施形態では、車外状況情報として、車外撮像情報とレーダー情報と地図情報とを例示したが、車外状況情報は、これらの情報に限定されるものではなく、車外状況を示すものであればよい。例えば車外状況情報は、路車間通信や車車間通信により得られる情報であってもよい。
・上記複数の実施形態では、車内状況情報として車内撮像情報を例示したが、車内状況情報は、車内撮像情報に限定されるものではなく、車内状況を示すものであればよい。例えば車内状況情報は、シートセンサや荷重センサ等から得られる情報であってもよいし、車両の乗員により携帯されている移動体通信機から得られる情報であってもよいし、車両の乗員により入力される情報であってもよい。
・上記複数の実施形態では、学習データLDを、移動体通信ネットワーク300を介して複数の一般車両から収集するようにした。しかしながら、専用車両の特定目的の走行により、学習データLDを取得するようにしてもよい。この場合、専用車両は移動体通信ネットワーク300を介してサーバ装置に接続されていなくてもよい。この場合、専用車両内で学習データLD又は同時期に取得された車両状況情報及び制御モードを記憶装置に記憶し、当該記憶装置を学習装置210に接続することが考えられる。
・上記第1実施形態では、学習器103を車両10の制動制御装置100に設けた。しかしながら、学習器103は、車両の制動制御に関する制御装置以外の制御装置に設けてもよい。車両の制動制御に関する制御装置以外の制御装置としては、車両の駆動制御に関する制御装置や車両の操向制御に関する制御装置や、車両の制動、駆動及び操向の少なくとも2つの協調制御に関する制御装置が考えられる。
・上記複数の実施形態では、学習器を記憶部とは別に設けたが、学習済モデルLMは記憶部に記憶させてもよい。
・制動制御装置100は、CPUとROMとを備えて、ソフトウェア処理を実行するものに限らない。例えば、上記複数の実施形態においてソフトウェア処理されたものの少なくとも一部を、ハードウェア処理する専用のハードウェア回路を備えてもよい。専用のハードウェア回路としては、例えば、ASICを挙げることができる。
・制動制御装置100は、CPUとROMとを備えて、ソフトウェア処理を実行するものに限らない。例えば、上記複数の実施形態においてソフトウェア処理されたものの少なくとも一部を、ハードウェア処理する専用のハードウェア回路を備えてもよい。専用のハードウェア回路としては、例えば、ASICを挙げることができる。
次に、上記複数の実施形態及び変更例から把握できる技術的思想について記載する。
(イ)前記学習器は、複数の前記車両で取得された前記車両状況情報を基に機械学習が行われたものであることが好ましい。
(イ)前記学習器は、複数の前記車両で取得された前記車両状況情報を基に機械学習が行われたものであることが好ましい。
(ロ)複数の前記制御モードには、前記車両の乗員の安全性に影響する制御モード、前記車両の乗員の快適性に影響する制御モード及び前記車両の走行環境に影響する制御モードの少なくとも1つが含まれることが好ましい。
(ハ)前記モード取得部は、前記車両状況情報に適した前記制御モードを推奨制御モードとして取得し、前記提案部は、前記車両の前記制御モードの前記推奨制御モードへの変更が前記車両の安全性を高めるものである場合に、当該変更を前記車両の乗員に提案しないことが好ましい。
(ニ)前記モード取得部は、前記車両状況情報に適した前記制御モードを推奨制御モードとして取得し、前記提案部は、前記車両の前記制御モードの前記推奨制御モードへの変更が前記車両の安全性を低下させるものである場合に、当該変更を前記車両の乗員に提案することが好ましい。
(ホ)前記モード取得部は、前記車両状況情報に適していない前記制御モードを非推奨制御モードとして取得し、前記車両の前記制御モードを前記非推奨制御モードに変更することを、前記車両の乗員に警告する警告部を備えていることが好ましい。
(ヘ)サーバ装置と、前記サーバ装置に移動体通信ネットワークを介して接続されている車両とを含む、複数の制御モードを有する前記車両の車両用制御システムでは、前記車両は、前記車両の外部状況及び前記車両の内部状況のうち少なくとも一方に関連する車両状況情報を取得する情報取得部と、前記情報取得部により取得された車両状況情報を前記サーバに送信する情報送信部とを備え、前記サーバ装置は、前記車両状況情報に適した前記制御モードを出力する機械学習を行った学習器に、前記車両から送信された車両状況情報を入力することによって当該学習器から出力された指標に応じた前記制御モードを、複数の前記制御モードから取得するモード取得部と、前記モード取得部により取得された制御モードを前記車両に送信するモード送信部とを備えていることが好ましい。
この制御システムでは、前記車両は、前記サーバ装置から受信した制御モードに基づいて、前記車両の制御モードを設定するモード設定部を備えていることが好ましい。
(ト)サーバ装置と、前記サーバ装置に移動体通信ネットワークを介して接続されている車両とを含む、複数の制御モードを有する前記車両の制御に関する学習システムでは、前記車両は、前記車両の外部状況及び前記車両の内部状況のうち少なくとも一方に関連する車両状況情報と、前記車両の制御モードとを、同時期に取得し、それらを関連付けて学習データを生成する学習データ生成部と、前記学習データ生成部より生成された前記学習データを前記サーバ装置に送信する学習データ送信部とを備え、前記サーバ装置は、前記車両から送信された前記学習データを用いて、前記車両状況情報に適した前記制御モードを出力する機械学習を行う学習部を備えていることが好ましい。
(ト)サーバ装置と、前記サーバ装置に移動体通信ネットワークを介して接続されている車両とを含む、複数の制御モードを有する前記車両の制御に関する学習システムでは、前記車両は、前記車両の外部状況及び前記車両の内部状況のうち少なくとも一方に関連する車両状況情報と、前記車両の制御モードとを、同時期に取得し、それらを関連付けて学習データを生成する学習データ生成部と、前記学習データ生成部より生成された前記学習データを前記サーバ装置に送信する学習データ送信部とを備え、前記サーバ装置は、前記車両から送信された前記学習データを用いて、前記車両状況情報に適した前記制御モードを出力する機械学習を行う学習部を備えていることが好ましい。
この場合、前記学習データ生成部は、前記車両の乗員が前記制御モードを変更した際の車両状況情報と、前記制御モード変更後の前記制御モードとを関連付けて、学習データを生成することが好ましい。
また、前記学習データ生成部は、所定周期で取得した前記車両状況情報と前記制御モードとを関連付けて、前記学習データを生成することが好ましい。
(チ)車両の制御に関する学習方法は、前記車両の外部状況及び前記車両の内部状況のうち少なくとも一方に関連する車両状況情報と前記車両の制御モードとを、同時期に取得する情報取得ステップと、前記情報取得ステップにおいて取得された前記車両状況情報と前記制御モードとを関連付けて、学習データを生成する学習データ生成ステップと、前記学習データ生成ステップにおいて生成された前記学習データを用いて、前記車両状況情報に適した前記制御モードを出力する機械学習を行う学習ステップと、を含んでいることが好ましい。
(チ)車両の制御に関する学習方法は、前記車両の外部状況及び前記車両の内部状況のうち少なくとも一方に関連する車両状況情報と前記車両の制御モードとを、同時期に取得する情報取得ステップと、前記情報取得ステップにおいて取得された前記車両状況情報と前記制御モードとを関連付けて、学習データを生成する学習データ生成ステップと、前記学習データ生成ステップにおいて生成された前記学習データを用いて、前記車両状況情報に適した前記制御モードを出力する機械学習を行う学習ステップと、を含んでいることが好ましい。
(リ)サーバ装置と、前記サーバ装置に移動体通信ネットワークを介して接続されている車両とを含む、複数の制御モードを有する前記車両の制御に関する学習システムに適用される学習方法は、前記車両において、前記車両の外部状況及び前記車両の内部状況のうち少なくとも一方に関連する車両状況情報と前記車両の制御モードとを、同時期に取得する情報取得ステップと、前記車両において、前記情報取得ステップで取得された前記車両状況情報と前記制御モードとを関連付けて、学習データを生成する学習データ生成ステップと、前記車両において、前記学習データ生成ステップで生成された前記学習データを前記サーバ装置に送信する学習データ送信ステップと、を含んでいることが好ましい。
この学習方法は、サーバにおいて、前記車両から受信された前記学習データを用いて、前記車両状況情報に適した前記制御モードを出力する機械学習を行う学習ステップを含むことが好ましい。
10,10A…車両
100…制動制御装置(車両用制御装置の一例)
103,223…学習器
104…情報取得部
105,105A…モード取得部
106…モード設定部
100…制動制御装置(車両用制御装置の一例)
103,223…学習器
104…情報取得部
105,105A…モード取得部
106…モード設定部
Claims (4)
- 複数の制御モードを有する車両に適用され、
前記車両の外部状況及び前記車両の内部状況のうちの少なくとも一方に関連する車両状況情報を取得する情報取得部と、
前記車両状況情報に適した前記制御モードを推定する機械学習を行った学習器に、前記情報取得部により取得された前記車両状況情報を入力することによって、当該学習器から出力された指標に応じた前記制御モードを、複数の前記制御モードの中から取得するモード取得部と、
を備えている車両用制御装置。 - 前記学習器は、前記車両の前記制御モードを変更するための操作が行われた際の前記車両状況情報を基に、機械学習が行われたものである、
請求項1に記載の車両用制御装置。 - 前記モード取得部により取得された前記制御モードを、前記車両の前記制御モードに設定するモード設定部を備えている、
請求項1又は請求項2に記載の車両用制御装置。 - 前記車両の前記制御モードを、前記モード取得部により取得された前記制御モードに設定することを前記車両の乗員に提案する提案部を備えている、
請求項1又は請求項2に記載の車両用制御装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021177816A JP2023066937A (ja) | 2021-10-29 | 2021-10-29 | 車両用制御装置 |
PCT/JP2022/029375 WO2023074073A1 (ja) | 2021-10-29 | 2022-07-29 | 車両用制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021177816A JP2023066937A (ja) | 2021-10-29 | 2021-10-29 | 車両用制御装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023066937A true JP2023066937A (ja) | 2023-05-16 |
Family
ID=86159358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021177816A Pending JP2023066937A (ja) | 2021-10-29 | 2021-10-29 | 車両用制御装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2023066937A (ja) |
WO (1) | WO2023074073A1 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102037324B1 (ko) * | 2017-11-30 | 2019-10-28 | 엘지전자 주식회사 | 자율주행 차량 및 그 제어 방법 |
JP7081131B2 (ja) * | 2017-12-11 | 2022-06-07 | 日産自動車株式会社 | 加減速制御方法及び加減速制御装置 |
US11262755B2 (en) * | 2018-04-09 | 2022-03-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | Driver assistance system for autonomously indicating vehicle user intent in response to a predefined driving situation |
DE112019004597T5 (de) * | 2018-09-13 | 2021-06-17 | Sony Semiconductor Solutions Corporation | Informationsverarbeitungseinrichtung, bewegungsvorrichtung, verfahren und programm |
-
2021
- 2021-10-29 JP JP2021177816A patent/JP2023066937A/ja active Pending
-
2022
- 2022-07-29 WO PCT/JP2022/029375 patent/WO2023074073A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023074073A1 (ja) | 2023-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6522621B2 (ja) | ドライバー支援システム最適化のための方法及び装置 | |
US11853074B2 (en) | Control device and control system | |
JP6773040B2 (ja) | 情報処理システム、および情報処理システムの情報処理方法、情報処理装置、並びにプログラム | |
JP5200926B2 (ja) | 運転支援装置 | |
JP4967806B2 (ja) | 経路曲率に応じた車両の速度制御装置 | |
JP5185743B2 (ja) | 操向支援装置 | |
JP4796400B2 (ja) | 車両速度制御装置および同装置における目標速度設定方法ならびにプログラム | |
JP2015219830A (ja) | 運転支援装置 | |
CN103661399A (zh) | 用于确定用于机动车的避让轨迹的方法以及安全装置或安全系统 | |
JP2010206976A (ja) | 車載用報知装置 | |
JP7073880B2 (ja) | 進路決定装置 | |
US10232856B2 (en) | Vehicle user-communication system and method | |
JP6991453B2 (ja) | 走行評価方法および疑似感情生成方法 | |
US11731595B2 (en) | Emergency braking system of a single-track vehicle | |
JP6959891B2 (ja) | 衝突軽減装置 | |
KR20170067306A (ko) | 차량의 후진주행보조시스템 및 후진주행보조방법 | |
US20210229667A1 (en) | Vehicle control apparatus and vehicle control method | |
CN112389462A (zh) | 自动驾驶方法、加速度曲线生成设备以及记录介质 | |
JP2007109001A (ja) | 道路環境推定システム | |
JP2013171439A (ja) | 運転支援装置 | |
WO2023074073A1 (ja) | 車両用制御装置 | |
JP6705413B2 (ja) | 自動運転システム | |
JP7024352B2 (ja) | 異常推定装置 | |
JP5838577B2 (ja) | 走行評価装置 | |
JP2016007955A (ja) | 車両制御装置 |