JP3196650B2 - 車両の走行特性制御装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば４輪操舵の
制御量を運転者の嗜好に応じて可変する等、運転嗜好特
性に応じて車両の走行特性を極め細かく設定し、且つ車
両の走行状況に応じてリアルタイムに可変制御可能な車
両の走行特性制御装置に関する。

【０００２】

【関連する背景技術】近時、車両の走行性能の向上を図
るべく、例えば前輪操舵に伴う車両のヨーレートに応じ
て後輪を操舵制御する４輪操舵技術が注目されている。
また上記ヨーレートに応じた後輪操舵量の制御ゲインを
可変設定することで車両の走行特性を変更し、例えばス
ポーティな走行特性を実現したり、逆にラグジュアリな
走行特性を実現することも種々試みられている。

【０００３】ところで特開平５−１８５９４７号公報に
は、車両の走行コースと運転状態量とに基づいて、予め
収集した学習結果を示すパラメータを用いたニューラル
ネットワーク演算により運転者の運転特性を推定するこ
と、更にはこの運転特性に従って前述した後輪操舵量の
制御ゲインを可変設定することで、運転者の運転特性
（嗜好）に応じて車両の走行特性を変更制御する技術が
開示される。また特公平３−４４０２９号公報には、運
転者の操舵の特徴（嗜好特性）を検出し、その特徴に応
じて車両の走行特性を決定する制御関数（制御ゲイン）
を変更する技術が開示されている。

【０００４】このような制御技術によれば、運転者の多
様な運転嗜好に適合した走行特性を容易に設定すること
ができる等の効果が奏せられる。

【０００５】

【発明が解決しようとする課題】しかしながら上述した
技術にあっては、ニューラルネットワークを用いて運転
者の運転特性を極め細かく判定していると雖も、或る程
度の長い期間に亘って運転者の運転操作を観察し、その
操舵の特徴を学習する必要がある。この為、例えば車線
変更開始時と、その車線変更終了時とにおける走行特性
を運転者の運転意図（運転嗜好）に合わせて速やかに切
り換えることができないと言う不具合がある。つまり車
両の走行特性を決定する前述した制御ゲインを、運転状
況に応じて極め細かく、しかもリアルタイムに制御する
ことが非常に困難である等の問題があった。

【０００６】本発明はこのような事情を考慮してなされ
たもので、その目的は、運転者の運転嗜好特性に応じ
て、しかも運転状況に応じて車両の走行特性を極め細か
く、且つリアルタイムに設定することのできる制御性に
優れた車両の走行特性制御装置を提供することにある。

【０００７】

【課題を解決するための手段】上述した目的を達成する
べく本発明に係る車両の走行特性制御装置は、車両の走
行特性を決定する制御変数、例えば制御ゲインＮ2に従
って該車両の走行状態に応じた運転制御量を決定する運
転制御手段を備えており、特に 前記車両の走行状態に応じた第１の走行特性、例え
ばスポーティな走行特性を実現する制御変数を制御ゲイ
ンＮ11等としてニューラルネットワークを用いて算出す
る第１の走行特性演算手段と、 上記第１の走行特性とは性質の異なる第２の走行特
性、例えばラグジュアリな走行特性を実現する制御変数
を制御ゲインＮ12等としてニューラルネットワークを用
いて算出する第２の走行特性演算手段と、 運転者の運転嗜好特性を、例えば指数ｚ（ｚ＝０〜
１）として設定する運転嗜好特性設定手段と、 上記運転嗜好特性に従って前記第１および第２の走
行特性演算手段でそれぞれ求められた制御変数を重み付
け加算して前記運転制御手段に付与する前記制御変数を
設定する手段、例えば車両の走行特性を決定する制御ゲ
インＮ2を Ｎ2 ＝ Ｎ11・ｚ ＋ Ｎ12・(１−ｚ) なる演算により求める制御変数演算手段とを具備したこ
とを特徴としている。

【０００８】つまり本発明は、性質の異なる第１および
第２の走行特性を実現する制御ゲインＮ11,Ｎ12をニュ
ーラルネットワークを用いて車両の走行状態に応じてそ
れぞれ求め、運転者の運転嗜好特性（指数ｚ）に応じて
上記制御ゲインＮ11,Ｎ12を重み付け加算して該車両の
走行特性を決定する制御ゲインＮ2を設定することによ
り、運転者の運転嗜好特性、および車両の走行状況に応
じて極めの細かい、しかもリアルタイムな走行特性の設
定を可能としたものである。

【０００９】また請求項２に記載の発明は、前記運転嗜
好特性設定手段として、車両の走行状態を学習して運転
者の運転嗜好を推定し、この推定結果に基づいて該運転
者の運転嗜好特性を設定することを特徴とするものであ
る。つまり運転者の運転嗜好特性を、マニュアル的に設
定することのみならず、車両の走行状態を学習すること
で推定し、適応的に自動設定するようにしたことを特徴
とするものである。

【００１０】

【発明の実施の形態】以下、図面を参照して本発明の一
実施形態に係る車両の走行特性制御装置について説明す
る。この実施形態に係る車両の走行特性制御装置は、例
えば４輪操舵制御（４ＷＳ制御）に用いられるもので、
概略的には図１に示すように構成される。図１において
マイクロプロセッサ等によって実現される運転制御手段
１は、車両の走行状態である、例えば前輪操舵角と車速
とに応じて当該車両に対する運転制御量としての後輪操
舵角を決定する役割を担っている。

【００１１】具体的には上記運転制御手段１は、ハンド
ル角センサによって求められる前輪の操舵角δf(t)と、
車速センサによって求められる車速に応じて決定される
時定数ｋと補正操舵角比Ｋ1,Ｋ2，および車両の走行特
性を決定する後述する制御ゲインＮ2とに従って、後輪
の操舵角δr(t)を δr(t) ＝ （k／(k+1)）・δr(t-1)＋（1／(k+1)）・｛
Ｋ1・δf(t)＋Ｎ2・Ｋ2・ｄδf(t)／ｄt ｝ として求め、これを後輪舵角指令値として後輪操舵アク
チュエータ２に出力し、後輪を操舵制御するものであ
る。但し、上式中δr(t-1)は前回の演算サイクルにて算
出された後輪舵角を示しており、ｄδf(t)／ｄt は今回
の演算サイクルで算出された前輪舵角速度を示してい
る。

【００１２】尚、時定数計算回路３は車速センサにより
検出される車速に従って前記時定数ｋを算出するもので
あり、また操舵角比設定回路４は車速に対する操舵角比
のテーブルを参照して前記車速に応じた補正操舵角比Ｋ
1,Ｋ2をそれぞれ求めるものである。ちなみに上記補正
操舵角比Ｋ1は、上記操舵角比設定回路４に表したテー
ブルにおいて太実線で示すように、ハンドル角に相当す
る値として求められるものである。また補正操舵角比Ｋ
2は、上記テーブルにおいて太破線で示すように、ハン
ドル角速度に相当する値として求められるものである。
尚、上記テーブルにおける細実線および細破線は、上記
操舵角比により車両の車体重心スリップ角がゼロになる
論理値をそれぞれ示している。

【００１３】上述した制御式から明らかなように後輪舵
角δr(t)は、その第１項に示される前回の後輪舵角δr
(t-1)に、第２項に示される操舵成分を加えて求められ
るものとなっている。また上記第２項の操舵成分は、前
輪舵角δf(t)に前記補正操舵角比Ｋ1を乗じて得られる
成分と、前輪舵角速度dδf(t)／ｄt に前記補正操舵角
比Ｋ2および制御ゲインＮ2をそれぞれ乗算して得られる
成分との和として与えられる。しかして前記補正操舵角
比Ｋ1,Ｋ2は、車両の走行状態である車速によって決定
されるので、例えば上記制御ゲインＮ2を可変すれば、
前輪舵角δf(t)に応じて後輪操舵アクチュエータ２に与
える後輪舵角δr(t)が変化することになり、これによっ
て車両の走行特性を変えることが可能となる。

【００１４】さて上述した如く走行状態に応じて後輪を
操舵制御する為の運転制御手段１を備えた本装置におい
て、車両の走行特性を決定する前記制御ゲインＮ2を設
定する走行特性設定手段５は、車両の走行状態に応じた
２種類の走行特性をそれぞれ実現する制御変数（制御ゲ
インＮ11,Ｎ12）をニューラルネットワークを用いて算
出する第１および第２の走行特性演算手段１１,１２
と、運転者の運転嗜好特性を示す指数ｚを設定する運転
嗜好特性設定手段（ｚ計算ブロック）１３と、上記指数
ｚに従って前記制御ゲインＮ11,Ｎ12 を重み付け加算す
る制御変数演算手段１４とを備えて構成される。

【００１５】即ち、第１の走行特性演算手段１１は、例
えばスポーティな走行特性（第１の走行特性）を実現す
る制御ゲインＮ11を、車両の走行状態に応じてニューラ
ルネット演算により算出するものである。これに対して
第２の走行特性演算手段１２は、上記第１の走行特性と
は性質の異なる第２の走行特性、具体的にはスポーティ
な走行特性とは反対の（相反する）ラグジュアリな走行
特性を実現する制御ゲインＮ12を、車両の走行状態に応
じてニューラルネット演算により算出するものである。

【００１６】第１および第２の走行特性演算手段１１,
１２をそれぞれ実現するニューラルネットワークに与え
る車両の走行状態の情報は、例えば車速センサ，ハンド
ル角速度センサ，横加速度センサ，ヨーレイトセンサ，
ロールレイトセンサによりそれぞれ検出される車速等の
情報、更にはハンドル角センサにより検出されてメモり
１５に順次蓄積されるハンドル角の時系列サンプルデー
タからなる。尚、上記メモリ１５は、例えば５０msecの
周期でハンドル角のデータを２１サンプルに亘って蓄積
するものである。ニューラルネットワークは、このよう
な車両の走行状態の情報に従い、図３にその概念を示す
ように各情報の相関に基づいて、予め設定された車両の
走行特性を実現する制御変数（制御ゲイン）を算出す
る。

【００１７】つまりこの実施形態においては、第１の走
行特性演算手段１１は上記車両の走行状態の情報を入力
し、スポーティな走行特性を実現する為の制御ゲインＮ
11をその走行状態に応じて算出している。また第２の走
行特性演算手段１２は上記車両の走行状態の情報を入力
し、ラグジュアリな走行特性を実現する為の制御ゲイン
Ｎ12をその走行状態に応じて算出している。

【００１８】一方、運転嗜好特性設定手段（ｚ計算ブロ
ック）１３の前段に備えられたメモリ１６は、上述した
如くニューラルネットワークに与えられる車両の走行状
態を示す情報を所定の時間に亘って時系列に順次格納し
ており、これを運転者の運転特性を示す履歴データとし
て前記ｚ計算ブロック１３に与えている。ｚ計算ブロッ
ク１３は、このようにしてメモり１６に収集される運転
特性を、例えばバックプロパゲーションの手法に従って
学習する等して、該車両の運転者の運転嗜好特性を推定
するものであり、その推定結果に従って運転嗜好特性を
示す指数ｚを設定している。この指数ｚは、例えばスポ
ーティな走行特性を好む場合には[１]、逆にラグジュア
リな走行特性を好む場合には[０]として、そしてこれら
の中間的な走行特性を好む場合には[０〜１]の範囲の値
として設定される。

【００１９】尚、このｚ計算ブロック１３についてもニ
ューラルネットワークを用いて実現することが可能であ
り、また上記指数ｚをマニュアル設定し得るように構成
することも勿論可能である。ちなみに前述した特開平５
−１８５９４７号公報に示されるニューラルネットワー
クは上記ｚ計算ブロック１３に相当するものであり、走
行状態の情報として収集される運転特性に従って運転嗜
好特性を推定し、この運転嗜好特性に従って前述した制
御ゲインを直接的に算出していると言える。

【００２０】しかして制御変数演算手段１４は、前記第
１の走行特性演算手段１１にて求められた制御ゲインＮ
11に前記指数ｚを乗算する第１の乗算器１７と、前記第
２の走行特性演算手段１２にて求められた制御ゲインＮ
12に前記指数ｚの[１]に対する補数（１−ｚ）を乗算す
る第２の乗算器１８と、これらの乗算結果の加算値を前
記運転制御手段１の付与する制御ゲインＮ2として出力
する加算器１９とを備えて構成される。このような制御
変数演算手段１４により、前記制御ゲインＮ2が、 Ｎ2 ＝ Ｎ11・ｚ ＋ Ｎ12・(１−ｚ) として算出され、その走行特性が設定される。

【００２１】つまり運転者の運転嗜好がスポーティ走行
を好むような場合には、前記指数ｚが[１]に近く設定さ
れ、またラグジュアリ走行を好むような場合には前記指
数ｚが[０]に近く設定される。従って制御変数演算手段
１４は、上記指数ｚの値に応じて前述したスポーティ走
行を実現する制御ゲインＮ11と、ラグジュアリ走行を実
現する制御ゲインＮ12とを重み付け加算して、車両の走
行特性を決定する制御ゲインＮ2を設定することにな
り、その走行特性を運転者の嗜好に合わせて極め細かく
設定することが可能となる。

【００２２】しかも上記制御ゲインＮ2を決定する上で
の重要な要素となる制御ゲインＮ11,Ｎ12が前記第１お
よび第２の走行特性演算手段１１,１２において、車両
の走行状態に応じてリアルタイムに求められているの
で、前記ｚ計算ブロック１３における運転者の運転嗜好
特性の設定（学習に基づく修正）に要する時間が長く掛
かるような場合であっても、車両の走行状態に応じた走
行特性をリアルタイムに設定することができる。

【００２３】ちなみに特開平５−１８５９４７号公報等
に示されるような従来の技術に基づいて、運転者の運転
嗜好特性に応じて、その関数値として車両の走行特性
（制御ゲイン）を設定する場合、運転状況の長期間に亘
る観察によって運転嗜好特性を求める必要があるので、
その制御ゲインを運転状態に応じて細かに可変すること
が困難であり、運転嗜好特性の設定処理自体を高速化す
る必要がある。

【００２４】この点、本装置によれば、上述したように
運転嗜好特性の設定処理と制御ゲインＮ2の設定処理と
分離している。そして一方において運転状況（走行状
態）の観察（学習）によって運転嗜好特性を推定し、そ
の指数ｚを求めながら、他方において車両の走行状態に
応じてスポーティまたはラグジュアリな走行特性を実現
する制御ゲインＮ11,Ｎ12をリアルタイムに求めなが
ら、上記指数ｚに従って走行特性を決定する制御ゲイン
Ｎ2を設定している。従って運転者の運転嗜好特性をそ
の制御に反映させながら、走行状態の変化に応じて制御
ゲインＮ2を極め細かく可変制御することができ、リア
ルタイムな走行特性の制御が可能となる。しかも第１お
よび第２の走行特性演算手段１１,１２において、スポ
ーティまたはラグジュアリな走行特性を実現する制御ゲ
インＮ11,Ｎ12をそれぞれリアルタイムに求めるので、
全体的な処理制御の簡単化を図ることが可能となる。

【００２５】図２は上述した如く構成される本装置での
制御処理手順の例を示している。この制御処理手順につ
いて簡単に説明すると、この処理は所定の周期毎に前述
した各種センサによる検出情報をサンプリング入力する
ことから開始される（ステップＳ１）。そしてこれらの
入力データの内、ハンドル角の情報を前記メモリ１５に
順次書き込み、該メモリ１５にハンドル角の時系列デー
タを得る（ステップＳ２）。しかる後、前記操舵角比設
定回路４を起動して前記車速センサからの情報に従って
補正操舵角比Ｋ1,Ｋ2をそれぞれ計算し（ステップＳ
３）、更に前記時定数計算回路３を起動して前記車速セ
ンサにより検出される車速に従って前記時定数ｋを計算
する（ステップＳ４）。

【００２６】その後、第１の走行特性演算手段１１を起
動し、走行状態を示す前記入力情報に基づいて第１の走
行特性（スポーティ走行特性）を実現する制御ゲインＮ
11を計算し（ステップＳ５）、また第２の走行特性演算
手段１２を起動し、前記入力情報に基づいて第２の走行
特性（ラグジュアリ走行特性）を実現する制御ゲインＮ
12を計算する（ステップＳ６）。これに加えて前記ｚ計
算ブロック１３（運転嗜好特性設定手段）を起動して前
記入力情報に基づく運転嗜好特性（指数ｚ）の算出処理
を実行する（ステップＳ７）。

【００２７】その上で前記制御変数演算手段１４を起動
して、前記運転制御手段１に対して設定すべく制御ゲイ
ンＮ2を計算し（ステップＳ８）、これを運転制御手段
１に付与して車両の走行特性を設定する（ステップＳ
９）。この状態で前記運転制御手段１においてハンドル
角や補正操舵角比Ｋ1,Ｋ2に基づく前述した後輪舵角指
令値の計算処理を実行し（ステップＳ１０）、その指令
値に従って後輪操舵アクチュエータ２を駆動する（ステ
ップＳ１１）。

【００２８】以上の処理手順を、例えば車両の走行停止
（エンジン停止）に伴う処理の終了が検出されるまで、
前述した周期で繰り返し実行する（ステップＳ１２）。
この結果、車両の走行状態に応じてリアルタイムに走行
特性が可変設定され、また上記走行状態から観察される
運転特性から運転者の運転嗜好特性が求められる。そし
て運転嗜好特性を表す指数ｚの元で、走行状態に応じて
求められる制御ゲインＮ11,Ｎ12に基づいて、その時点
における車両の走行特性がリアルタイムに設定されるこ
とになる。従って車両の走行特性を運転者の嗜好に合わ
せて極め細かく設定し、しかも車両の走行状態に応じて
その走行特性を追従性良く可変設定することが可能とな
にる。

【００２９】尚、本発明は上述した実施形態に限定され
るものではない。例えば指数ｚに基づく重み付け加算処
理を、第１および第２の走行特性に対して逆に設定する
ことも勿論可能である。また第１および第２の走行特性
演算手段１１,１２にて求められる制御ゲインＮ11,Ｎ12
を、前記指数ｚに応じて加重平均処理することで前記運
転制御手段１に対して設定すべき制御ゲインＮ2を算出
するようにしても良い。更には図４に示すように性質の
異なる走行特性をそれぞれ実現する制御ゲインを、その
走行状態に応じて算出する複数のニューラルネットワー
クｎ11,ｎ12,〜ｎ1nを準備し、これらのニューラルネッ
トワークの出力を補間処理することにより、運転制御手
段１に設定する制御ゲインＮ2を指数ｚに対して非線形
に決定するようにすることも可能である。その他、本発
明はその要旨を逸脱しない範囲で種々変形して実施する
ことができる。

【００３０】

【発明の効果】以上説明したように本発明によれば、車
両の走行特性を決定する制御変数、例えば制御ゲインＮ
2に従って該車両の走行状態に応じた運転制御量を決定
する運転制御手段を備えた車両の走行特性制御装置にお
いて、特に第１および第２の走行特性演算手段により、
前記車両の走行状態に応じた第１の走行特性（例えばス
ポーティ走行特性）を実現する制御変数と、上記第１の
走行特性とは性質の異なる第２の走行特性（例えばラグ
ジュアリ走行特性）を実現する制御変数とをニューラル
ネットワークを用いてそれぞれ算出し、一方、運転者の
運転嗜好特性を、例えば指数ｚ（ｚ＝０〜１）として設
定して、この運転嗜好特性に従って前記各制御変数を重
み付け加算して前記運転制御手段に付与する前記制御変
数を設定するようにしている。

【００３１】従って本発明によれば、運転者の運転嗜好
特性、および車両の走行状況に応じた極めの細かい、し
かもリアルタイムな走行特性の設定が可能となる。また
請求項２に記載の発明によれば、車両の走行状態を学習
して運転者の運転嗜好を推定して該運転者の運転嗜好特
性を設定するので、運転者の運転嗜好特性をマニュアル
的に設定することのみならず、車両の走行状態に応じて
適応的に上記運転嗜好特性を自動設定することが可能と
なる等の実用上多大なる効果が奏せられる。

【図面の簡単な説明】

【図１】本発明の一実施形態に係る車両の走行特性制御
装置の概略構成を示す図。

【図２】実施形態に係る装置の制御処理手順の例を示す
図。

【図３】ニューラルネットワークにおける処理機能の概
念を示す図。

【図４】複数のニューラルネットワークを用いた演算処
理における非線形補間処理の概念を示す図。

【符号の説明】

１ 運転制御手段 ２ 後輪操舵アクチュエータ ３ 時定数計算回路 ４ 操舵角比設定回路 １１ 第１の走行特性演算手段（ニューラルネットワー
ク） １２ 第２の走行特性演算手段（ニューラルネットワー
ク） １３ 運転嗜好特性設定手段（ｚ計算ブロック） １４ 制御変数演算手段 １５ メモリ １６ メモリ １７ 乗算器 １８ 乗算器 １９ 加算器

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ Ｂ６２Ｄ 117:00 Ｂ６２Ｄ 117:00 137:00 137:00 (58)調査した分野(Int.Cl.⁷，ＤＢ名) B62D 6/00 - 7/14

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 車両の走行特性を決定する制御変数に従
   って該車両の走行状態に応じた運転制御量を決定する運
   転制御手段と、 前記車両の走行状態に応じた第１の走行特性を実現する
   制御変数をニューラルネットワークを用いて算出する第
   １の走行特性演算手段と、 上記第１の走行特性とは性質の異なる第２の走行特性を
   実現する制御変数をニューラルネットワークを用いて算
   出する第２の走行特性演算手段と、 運転者の運転嗜好特性を設定する運転嗜好特性設定手段
   と、 上記運転嗜好特性に従って前記第１および第２の走行特
   性演算手段でそれぞれ求められた制御変数を重み付け加
   算して前記運転制御手段に付与する前記制御変数を設定
   する制御変数演算手段とを具備したことを特徴とする車
   両の走行特性制御装置。
2. 【請求項２】 前記運転嗜好特性設定手段は、車両の走
   行状態を学習して運転者の運転嗜好を推定し、この推定
   結果に基づいて該運転者の運転嗜好特性を設定すること
   を特徴とする請求項１に記載の車両の走行特性制御装
   置。