JP4069481B2 - 車両挙動推定装置 - Google Patents
車両挙動推定装置 Download PDFInfo
- Publication number
- JP4069481B2 JP4069481B2 JP26522397A JP26522397A JP4069481B2 JP 4069481 B2 JP4069481 B2 JP 4069481B2 JP 26522397 A JP26522397 A JP 26522397A JP 26522397 A JP26522397 A JP 26522397A JP 4069481 B2 JP4069481 B2 JP 4069481B2
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- driving operation
- vehicle behavior
- estimation
- hmm
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は車両挙動推定装置、より具体的には、隠れマルコフモデル（以下、ＨＭＭと称する）を利用して、現在の運転操作量や車両状態量から将来の車両挙動を推定することにより、車両挙動が不安定になることを予測した場合に、車両運動制御装置による制御量を変更し、車両挙動が不安定になりすぎることを防止するための車両挙動推定装置に関する。
【０００２】
【従来の技術】
従来の車両挙動推定装置としては、例えば、ＡＢＳ／ＴＣＳ、４ＷＳ等の車両運転制御システムに適用するために、スピン状態等の不安定な車両挙動を推定する手法として、ヨーレートや横加速度等の車両状態量を計測し、現在スピン状態になっているかどうか、あるいは、スピン状態に陥ろうとしているかどうかを判別する方法が行われてきている。さらに、この車両挙動推定手段を用いて、不安定な車両挙動に陥った状態であると認識された場合に、車両運動制御システムにおいて、ブレーキ液圧や後輪操舵量等の制御量を変更し、車両の安定性を回復させるものである。
【０００３】
【発明が解決しようとする課題】
しかしながら、このような従来の車両挙動推定装置にあっては、以下のような問題点があった。
従来の方法では、現在の車両状態量のみから車両挙動を推定するため、現在スピン状態になっているか、もしくは、今すぐにでもスピン状態に陥る恐れがある状況は検出可能であるが、現在の車両挙動そのものはスピン状態と言えない状況において、運転者の技量によっては将来スピン状態に陥る可能性があるかどうか、あるいは、スピン状態に陥ることなく回避可能かどうかは判別不可能であった。
【０００４】
それは、従来の車両挙動推定装置では、将来の運転操作を予測することが不可能であり、将来の車両挙動については、あくまでも運転者が現在と同じ操作を続けるという仮定の元に将来スピン状態に陥るであろうことは推定できても、運転者が今度どのような運転操作を行い、その結果として車両挙動がどうなるかを推定することはできないからである。
【０００５】
本発明は、このような従来の問題点に着目してなされたもので、隠れマルコフモデルによるパターン認識手法を用いて現在の運転操作量と車両状態量から将来の車両挙動を推定する車両挙動推定手段を有し、将来の車両挙動が不安定になると推定された場合に、車両運転制御装置での制御量を、車両挙動が安定化する方向にあらかじめ変更することにより、車両挙動が不安定になることを未然に防止し、上記問題点を解決することを目的としている。
【０００６】
【課題を解決するための手段】
本発明は上述の課題を解決するために、請求項１に記載の車両挙動推定装置は、現在の運転操作量と車両状態量から運転者の運転操作パターンを推定する運転操作推定手段と、前記運転操作推定手段が推定した運転操作パターンと車両状態量から将来の車両挙動を推定する車両挙動推定手段と、車両挙動の特性を変更可能な車両運動制御手段と、を備え、前記運転操作推定手段は、隠れマルコフモデル（ＨＭＭ）によるパターン認識手法を用い、現在の運転操作量と車両状態量に基づき、事前に学習した運転操作パターンとの一致度の高い運転操作パターンを推定するとともに、前記車両挙動推定手段は、隠れマルコフモデル（ＨＭＭ）によるパターン認識手法を用い、前記運転操作推定手段が推定した運転操作パターンと車両状態量に基づき、事前に学習した車両挙動パターンとの一致度の高い車両挙動を推定し、前記車両挙動推定手段での車両挙動推定結果に基づき、前記車両運動制御手段における制御量を変更するものである。
【０００７】
また、請求項２に記載の発明は、請求項１に記載の車両挙動推定装置において、前記運転操作パターンは、運転者による運転技量と運転操作意図との組み合わせからなるものである。
【００１０】
【発明の実施の形態】
以下、本発明による車両挙動推定装置の実施の形態を添付図面を参照して詳細に説明する。
なお、図１は本発明による車両挙動推定装置の一実施の形態のシステムブロック図、図２〜図４は作用を説明するためのフローチャート、図５は隠れマルコフモデルを説明するための概念図、図６及び図７は作用を説明するための説明図である。
【００１１】
まず、図１を用いて構成を説明する。
運転者の運転操作量を計測するセンサとして、操舵角センサ１０１、アクセルセンサ１０２、及び、ブレーキセンサ１０３を、現在の車両状態を計測するセンサとして、車速センサ１０４と横Ｇセンサ１０５を、それぞれ有している。これらセンサの出力値は、運転操作推定ＨＭＭ１１１と、車両挙動推定ＨＭＭ１２１に入力される。
【００１２】
運転操作推定ＨＭＭ１１１は、これらの入力から現在の運転操作パターンを推定し、その結果を車両挙動推定ＨＭＭ１２１へと出力する。車両挙動推定ＨＭＭ１２１では、各センサからの出力値と運転操作推定ＨＭＭ１１１からの運転操作推定パターン出力を受け取り、将来の車両応答性が、「不足する」、「適切である」、「過大になる」の何れのパターンになるかを推定し、その結果を車両制御コントローラ１３１へと出力する。
【００１３】
車両制御コントローラ１３１では、車両挙動推定ＨＭＭ１２１からの車両応答性推定結果を受けて、将来の車両応答性が「不足する」場合には応答性を確保する方向へ、「過大になる」場合には応答性を抑える方向へ、制御量を修正し、アクチュエータ１４１へと制御指令値を出力する。
【００１４】
次に、本実施の形態の作用を説明する。
まず、将来の車両挙動を推定するためのパターン認識手法、隠れマルコフモデル（ＨＭＭ）について説明する。
ＨＭＭは、音声認識等の分野で広く用いられている時系列データのパターン認識手法であり、有限状態間の遷移確率、各状態から観測データが出力される確率などを用いて、入力されたデータからモデルで出力される尤度（出力確率）を算出し、モデル間の尤度の比較に基づいてパターン認識を行う手法である。
【００１５】
概念図を図５に示す。
これは、状態数３のＨＭＭであり、Ｓ1 ，Ｓ2 ，Ｓ3 は各状態を、矢印で示されるａijは状態ｉからｊへの遷移確率を、ｂi （Ｙ）は状態ｉにおいて観測データＹが観測される確率を、それぞれ示す。これを時系列パターン認識に用いる場合、認識させたいパターンにおける観測データを元に事前にモデルの学習を行った後、学習済みのモデルに観測データを入力することにより、各モデルの出力確率を算出し、もっとも出力確率の高いモデルを認識結果とするものである。
【００１６】
このＨＭＭは、音声認識分野では広く普及したパターン認識手法ではあるが、このＨＭＭを車両運動制御分野に適用した従来技術はいまだ見当たらない。
ＨＭＭを用いて人間の操作量のみから操作・行動パターンを認識しようとした例として、唯一、米国の日産リサーチアンドデベロップメント社、ケンブリッジベーシックリサーチにおける研究があげられる。ここでは、ＨＭＭを用いて、運転操作量と車速等の簡単な車両状態量から運転者の運転意図を推定する手法の研究を行っていることが、インターネット等により紹介されている。この研究は、ＨＭＭの観測データとして、ハンドル角度、アクセル、ブレーキ操作量の運転操作量と、車速データを用い、あらかじめ学習された「右折」、「左折」、「車線変更」、「追い越し」、「停止」、「何もしない」の６つの運転行動モデルのうちどれを行おうとしているかを推定する研究である。だが、この研究もＨＭＭを用いてドライバの運転意図を認識しようとするものであり、将来の車両挙動を認識しようとするものではない。
【００１７】
本発明は、ＨＭＭを用いて、現在のドライバの運転操作量より、将来の運転操作パターンを推定し、さらにはその運転操作を行った場合の車両挙動を推定するものであり、極めて独自性が高いものである。
【００１８】
図２〜図４のフローチャートを用いて、本実施の形態の作用を説明する。
まず、図２のメインフローを詳細に説明する。
ステップＳ２０１は、運転操作推定ＨＭＭ１１１により、運転操作パターンを推定する処理を行うルーチンである。この詳細については、図３を用いて後に説明する。
【００１９】
ステップＳ２０２は、車両挙動推定ＨＭＭ１２１により、将来の車両応答性を推定する処理を行うルーチンである。この詳細については、図４を用いて後に説明する。
【００２０】
ステップＳ２０２で推定された将来の車両応答性がどうなるかを、ステップＳ２０３で判断し、「不足する」場合には応答性を確保する車両応答性向上制御を（ステップＳ２０６）、「適切である」場合には通常の制御を（ステップＳ２０５）、「過大になる」場合には応答性を抑える車両応答性減少制御を（ステップＳ２０４）、それぞれ行う。
【００２１】
例えば、アクチュエータ１４１として四輪操舵システムを使用した場合には、車両応答性が「不足する」と推定された場合には、通常の制御に対し、後輪の補助操舵量を前輪と逆相に操舵される方向へと修正する。つまり、後輪が前輪と同じ方向に操舵されている場合には補助操舵量を減少させるように、後輪が前輪と逆の方向に操舵されている場合には補助操舵量を増大させるように、制御量を補正する。このように制御することにより、車両応答性の不足分を補うことが可能となる。
逆に、車両応答性が「過大になる」と推定された場合には、通常の制御に対し、後輪の補助操舵量を前輪と同相に操舵される方向へと修正する。このように制御することにより、将来、車両応答性が過大になる分を補うことが可能となる。
【００２２】
次に、運転操作推定ルーチンの作用を詳細に説明する。
この運転操作推定ルーチンは、運転操作推定ＨＭＭ１１１で実行される処理であり、運転者の運転操作があらかじめ決められた複数の推定対象パターンのうち、どのパターンに最も合致するかを判定するものである。
【００２３】
ＨＭＭを用いた時系列データパターン認識では、あらかじめ学習させておいた複数のデータパターンから最も一致度合いが高いパターンを認識結果として出力する。今回の運転操作推定ＨＭＭ１１１では、図６に示したような９つのパターンについて、あらかじめ学習させたモデルを使用し、現在及び所定回数以前までの運転操作量、車両状態量データを入力することによって、これら９つのパターンのうち、最も当てはまるのはどのパターンかを推定する。
【００２４】
ここでの９つのパターンは、運転技量レベル３段階（高、中、低）と、運転操作意図３段階（車両挙動安定化、現状維持、車両挙動不安定化）の組み合わせである。運転技量レベルは運転者の運転技量（車両挙動が不安定になった場合の修正操作の可能性）を示しており、運転操作意図は運転者が車両挙動をどうしたいと思って操作しているかを示している。このようなパターンに分けることにより、例えば車両挙動が不安定化した場合に、それは運転者が意図的に行った操作によるものか、現在の運転者の技量で修正可能かどうかということを判定可能となる。
【００２５】
運転操作推定ＨＭＭ１１１は、実際に使用する前に、あらかじめ、これら９つのパターンに合致するような条件で取得したデータを用いてそれぞれ学習させた、９つのモデルとなる。
【００２６】
なお、本実施の形態ではパターンを９つに分けたが、もっと小さく分けてパターン数を増やすことにより、より正確な判断を行ってもよいし、複数のパターンの中でほぼ同じような操作量、車両状態量になると思われるパターン（例えば、パターン６と９）については、一つのパターンとして扱うことにより処理内容を簡略化することが可能である。
【００２７】
図３のフローチャート（運転操作推定ルーチン）を用いて、具体的な処理内容を詳細に説明する。このフローは、運転操作推定ＨＭＭ１１１における処理の内容を示したものである。
【００２８】
ステップＳ３０１では、１０１〜１０５（図１参照）の各種センサから、運転操作量及び車両状態量を読み込む。
【００２９】
次の、ステップＳ３０２〜Ｓ３０４の処理は、推定対象であるパターンのモデル毎に実施される処理であり、この運転操作推定ルーチンが一度実行される間にモデルの個数回（９回）だけ実行される。ステップＳ３０２では、現在及び所定回数以前までの運転操作量、車両状態量のデータを各運転操作モデルへと入力する。ステップＳ３０３では、入力されたデータと過去の出力確率等を元に、各モデルにおいて今回の出力確率が算出される。すべてのモデルについてこれら２つの処理が実行され、ステップＳ３０４で全モデルについて終了したと判断されたら、ステップＳ３０５以降の処理へと進む。
【００３０】
ステップＳ３０５では、全モデルでの出力確率を比較し、最大の出力確率を算出したモデルを求める。これにより、図６に示した９つのパターンのうち、現在の運転操作がどのパターンに当てはまるのかが推定される。
【００３１】
その後、ステップＳ３０６で、次回以降の処理のために、今回の運転操作量、車両状態量をメモリし、ステップＳ３０７で、推定結果を車両挙動推定ＨＭＭ１２１へと出力して、今回の処理を終了する。
【００３２】
次に、車両挙動推定ルーチンの作用を詳細に説明する。
この車両挙動推定ルーチンは、車両挙動推定ＨＭＭ１２１で実行される処理であり、運転操作推定ＨＭＭ１１１で推定された運転操作パターンと、現在の運転操作量、車両状態量から、将来の車両応答性がどうなるかを推定するものである。
【００３３】
車両挙動推定ＨＭＭ１２１では、図７に示したような３つのパターンＡ〜Ｃについて、あらかじめ学習させたモデルを使用し、現在及び所定回数以前までの運転操作量、車両状態量データ、及び、運転操作推定ＨＭＭ１１１で推定された運転操作パターンを入力することによって、これら３つのパターンのうち、最も当てはまるのはどのパターンかを推定する。
【００３４】
ここでのパターンは、将来の車両応答性が「不足する」、「適切である」、「過大になる」の３つである。車両挙動推定ＨＭＭ１２１は、実際に使用する前に、あらかじめ、これら３つのパターンに合致するような条件で取得したデータを用いてそれぞれ学習させた、３つのモデルとなる。
【００３５】
なお、本実施の形態では、推定する将来の車両挙動として、車両応答性の過不足を取り上げたが、実際の使用にあたってはこれにこだわるものではない。例えば、アクチュエータがＡＢＳのような安定性を確保するための車両運動制御システムの場合、車両応答性が「不足する」ことを検出しても、応答性を向上させることは難しい。このような場合には、将来の車両挙動が不安定化するかどうかを推定するようなモデルとすることにより、必要かつ十分な性能を得ることができる。
【００３６】
図４のフローチャート（車両挙動推定ルーチン）を用いて、具体的な処理内容を詳細に説明する。このフローは、車両挙動推定ＨＭＭ１２１における処理の内容を示したものである。
【００３７】
ステップＳ４０１では、１０１〜１０５（図１参照）の各種センサから、運転操作量及び車両状態量を読み込む。
【００３８】
ステップＳ４０２では、運転操作推定ＨＭＭ１１１で推定された運転操作パターンを読み込む。
【００３９】
次の、ステップＳ４０３〜Ｓ４０５の処理は、推定対象であるパターンのモデル毎に実施される処理であり、この車両挙動推定ルーチンが一度実行される間にモデルの個数回（３回）だけ実行される。ステップＳ４０３では、現在及び所定回数以前までの運転操作量、車両状態量、運転操作推定パターンのデータを各車両挙動推定モデルへと入力する。ステップＳ４０４では、入力されたデータと過去の出力確率等を元に、各モデルにおいて今回の出力確率が算出される。すべてのモデルについてこれら２つの処理が実行され、ステップＳ４０５で全モデルについて終了したと判断されたら、ステップＳ４０６以降の処理へと進む。
【００４０】
ステップＳ４０６では、全モデルでの出力確率を比較し、最大の出力確率を算出したモデルを求める。これにより、図７に示した３つのパターンのうち、どのパターンに当てはまるのかが推定される。
【００４１】
その後、ステップＳ４０７で、次回以降の処理のために、今回の運転操作量、車両状態量、運転操作推定パターンをメモリし、ステップＳ４０８で、推定結果を車両挙動コントローラ１３１へと出力して、今回の処理を終了する。
【００４２】
その後、車両制御コントローラ１３１では、前述したように、将来の車両応答性が「不足する」場合には応答性を確保する車両応答性向上制御を、「適切である」場合には通常の制御を、「過大になる」場合には応答性を抑える車両応答性減少制御を、それぞれ行うこととなる。
【００４３】
以上のような処理とすることにより、運転操作量と車両状態量から運転者の技量と操作意図を推定し、さらに、その推定結果と運転操作量、車両状態量から将来の車両応答性の過不足を推定することが可能となり、その結果を用いて、車両応答性を変更できる車両制御システムの制御指令値を修正することにより、車両応答性の変化を小さくすることが可能となる。
【００４４】
なお、本実施の形態では、車両制御を行うアクチュエータとして、四輪操舵システムを例示して説明を行ったが、これにこだわるものでなく、ＡＢＳやＴＣＳなどの制駆動制御システムを用いても同様の効果が得られることは言うまでもない。
【００４５】
また、運転操作を推定するパターンとして、運転技量と運転操作意図の組み合わせとして説明したが、運転技量が低い運転者にありがちな運転操作ミスによる、車両挙動が不安定になる現象を防止する目的に限定し、ここでの推定パターンを運転技量のみによる分類に簡略化することも可能である。
【００４６】
さらに、車両状態量を計測するセンサとして、車速センサと横Ｇセンサのみを示したが、ヨーレートセンサや前後Ｇセンサ等の他のセンサをこれらの代わりに用いても同様の効果が得られるし、あるいは併用することにより、さらに制御性能を向上させることも可能である。
【００４７】
【発明の効果】
以上、詳細に説明したように、本発明によれば、隠れマルコフモデルを用いて現在の運転操作量と車両状態量から将来の車両挙動を推定する車両挙動推定手段を有し、将来の車両挙動が不安定になると推定された場合に、車両運転制御装置での制御量を、車両挙動が安定化する方向にあらかじめ変更することにより、車両挙動が不安定になることを未然に防止することが可能な車両挙動推定装置を提供することができる。
【図面の簡単な説明】
【図１】本発明による車両挙動推定装置の一実施の形態のシステムブロック図である。
【図２】作用を説明するためのフローチャートである。
【図３】作用を説明するためのフローチャート（運転操作推定ルーチン）である。
【図４】作用を説明するためのフローチャート（車両挙動推定ルーチン）である。
【図５】隠れマルコフモデルを説明するための概念図である。
【図６】作用を説明するための説明図である。
【図７】作用を説明するための説明図である。
【符号の説明】
１０１ 操舵角センサ
１０２ アクセルセンサ
１０３ ブレーキセンサ
１０４ 車速センサ
１０５ 横Ｇセンサ
１１１ 運転操作推定ＨＭＭ
１２１ 車両挙動推定ＨＭＭ
１３１ 車両制御コントローラ
１４１ アクチュエータ
【発明の属する技術分野】
本発明は車両挙動推定装置、より具体的には、隠れマルコフモデル（以下、ＨＭＭと称する）を利用して、現在の運転操作量や車両状態量から将来の車両挙動を推定することにより、車両挙動が不安定になることを予測した場合に、車両運動制御装置による制御量を変更し、車両挙動が不安定になりすぎることを防止するための車両挙動推定装置に関する。
【０００２】
【従来の技術】
従来の車両挙動推定装置としては、例えば、ＡＢＳ／ＴＣＳ、４ＷＳ等の車両運転制御システムに適用するために、スピン状態等の不安定な車両挙動を推定する手法として、ヨーレートや横加速度等の車両状態量を計測し、現在スピン状態になっているかどうか、あるいは、スピン状態に陥ろうとしているかどうかを判別する方法が行われてきている。さらに、この車両挙動推定手段を用いて、不安定な車両挙動に陥った状態であると認識された場合に、車両運動制御システムにおいて、ブレーキ液圧や後輪操舵量等の制御量を変更し、車両の安定性を回復させるものである。
【０００３】
【発明が解決しようとする課題】
しかしながら、このような従来の車両挙動推定装置にあっては、以下のような問題点があった。
従来の方法では、現在の車両状態量のみから車両挙動を推定するため、現在スピン状態になっているか、もしくは、今すぐにでもスピン状態に陥る恐れがある状況は検出可能であるが、現在の車両挙動そのものはスピン状態と言えない状況において、運転者の技量によっては将来スピン状態に陥る可能性があるかどうか、あるいは、スピン状態に陥ることなく回避可能かどうかは判別不可能であった。
【０００４】
それは、従来の車両挙動推定装置では、将来の運転操作を予測することが不可能であり、将来の車両挙動については、あくまでも運転者が現在と同じ操作を続けるという仮定の元に将来スピン状態に陥るであろうことは推定できても、運転者が今度どのような運転操作を行い、その結果として車両挙動がどうなるかを推定することはできないからである。
【０００５】
本発明は、このような従来の問題点に着目してなされたもので、隠れマルコフモデルによるパターン認識手法を用いて現在の運転操作量と車両状態量から将来の車両挙動を推定する車両挙動推定手段を有し、将来の車両挙動が不安定になると推定された場合に、車両運転制御装置での制御量を、車両挙動が安定化する方向にあらかじめ変更することにより、車両挙動が不安定になることを未然に防止し、上記問題点を解決することを目的としている。
【０００６】
【課題を解決するための手段】
本発明は上述の課題を解決するために、請求項１に記載の車両挙動推定装置は、現在の運転操作量と車両状態量から運転者の運転操作パターンを推定する運転操作推定手段と、前記運転操作推定手段が推定した運転操作パターンと車両状態量から将来の車両挙動を推定する車両挙動推定手段と、車両挙動の特性を変更可能な車両運動制御手段と、を備え、前記運転操作推定手段は、隠れマルコフモデル（ＨＭＭ）によるパターン認識手法を用い、現在の運転操作量と車両状態量に基づき、事前に学習した運転操作パターンとの一致度の高い運転操作パターンを推定するとともに、前記車両挙動推定手段は、隠れマルコフモデル（ＨＭＭ）によるパターン認識手法を用い、前記運転操作推定手段が推定した運転操作パターンと車両状態量に基づき、事前に学習した車両挙動パターンとの一致度の高い車両挙動を推定し、前記車両挙動推定手段での車両挙動推定結果に基づき、前記車両運動制御手段における制御量を変更するものである。
【０００７】
また、請求項２に記載の発明は、請求項１に記載の車両挙動推定装置において、前記運転操作パターンは、運転者による運転技量と運転操作意図との組み合わせからなるものである。
【００１０】
【発明の実施の形態】
以下、本発明による車両挙動推定装置の実施の形態を添付図面を参照して詳細に説明する。
なお、図１は本発明による車両挙動推定装置の一実施の形態のシステムブロック図、図２〜図４は作用を説明するためのフローチャート、図５は隠れマルコフモデルを説明するための概念図、図６及び図７は作用を説明するための説明図である。
【００１１】
まず、図１を用いて構成を説明する。
運転者の運転操作量を計測するセンサとして、操舵角センサ１０１、アクセルセンサ１０２、及び、ブレーキセンサ１０３を、現在の車両状態を計測するセンサとして、車速センサ１０４と横Ｇセンサ１０５を、それぞれ有している。これらセンサの出力値は、運転操作推定ＨＭＭ１１１と、車両挙動推定ＨＭＭ１２１に入力される。
【００１２】
運転操作推定ＨＭＭ１１１は、これらの入力から現在の運転操作パターンを推定し、その結果を車両挙動推定ＨＭＭ１２１へと出力する。車両挙動推定ＨＭＭ１２１では、各センサからの出力値と運転操作推定ＨＭＭ１１１からの運転操作推定パターン出力を受け取り、将来の車両応答性が、「不足する」、「適切である」、「過大になる」の何れのパターンになるかを推定し、その結果を車両制御コントローラ１３１へと出力する。
【００１３】
車両制御コントローラ１３１では、車両挙動推定ＨＭＭ１２１からの車両応答性推定結果を受けて、将来の車両応答性が「不足する」場合には応答性を確保する方向へ、「過大になる」場合には応答性を抑える方向へ、制御量を修正し、アクチュエータ１４１へと制御指令値を出力する。
【００１４】
次に、本実施の形態の作用を説明する。
まず、将来の車両挙動を推定するためのパターン認識手法、隠れマルコフモデル（ＨＭＭ）について説明する。
ＨＭＭは、音声認識等の分野で広く用いられている時系列データのパターン認識手法であり、有限状態間の遷移確率、各状態から観測データが出力される確率などを用いて、入力されたデータからモデルで出力される尤度（出力確率）を算出し、モデル間の尤度の比較に基づいてパターン認識を行う手法である。
【００１５】
概念図を図５に示す。
これは、状態数３のＨＭＭであり、Ｓ1 ，Ｓ2 ，Ｓ3 は各状態を、矢印で示されるａijは状態ｉからｊへの遷移確率を、ｂi （Ｙ）は状態ｉにおいて観測データＹが観測される確率を、それぞれ示す。これを時系列パターン認識に用いる場合、認識させたいパターンにおける観測データを元に事前にモデルの学習を行った後、学習済みのモデルに観測データを入力することにより、各モデルの出力確率を算出し、もっとも出力確率の高いモデルを認識結果とするものである。
【００１６】
このＨＭＭは、音声認識分野では広く普及したパターン認識手法ではあるが、このＨＭＭを車両運動制御分野に適用した従来技術はいまだ見当たらない。
ＨＭＭを用いて人間の操作量のみから操作・行動パターンを認識しようとした例として、唯一、米国の日産リサーチアンドデベロップメント社、ケンブリッジベーシックリサーチにおける研究があげられる。ここでは、ＨＭＭを用いて、運転操作量と車速等の簡単な車両状態量から運転者の運転意図を推定する手法の研究を行っていることが、インターネット等により紹介されている。この研究は、ＨＭＭの観測データとして、ハンドル角度、アクセル、ブレーキ操作量の運転操作量と、車速データを用い、あらかじめ学習された「右折」、「左折」、「車線変更」、「追い越し」、「停止」、「何もしない」の６つの運転行動モデルのうちどれを行おうとしているかを推定する研究である。だが、この研究もＨＭＭを用いてドライバの運転意図を認識しようとするものであり、将来の車両挙動を認識しようとするものではない。
【００１７】
本発明は、ＨＭＭを用いて、現在のドライバの運転操作量より、将来の運転操作パターンを推定し、さらにはその運転操作を行った場合の車両挙動を推定するものであり、極めて独自性が高いものである。
【００１８】
図２〜図４のフローチャートを用いて、本実施の形態の作用を説明する。
まず、図２のメインフローを詳細に説明する。
ステップＳ２０１は、運転操作推定ＨＭＭ１１１により、運転操作パターンを推定する処理を行うルーチンである。この詳細については、図３を用いて後に説明する。
【００１９】
ステップＳ２０２は、車両挙動推定ＨＭＭ１２１により、将来の車両応答性を推定する処理を行うルーチンである。この詳細については、図４を用いて後に説明する。
【００２０】
ステップＳ２０２で推定された将来の車両応答性がどうなるかを、ステップＳ２０３で判断し、「不足する」場合には応答性を確保する車両応答性向上制御を（ステップＳ２０６）、「適切である」場合には通常の制御を（ステップＳ２０５）、「過大になる」場合には応答性を抑える車両応答性減少制御を（ステップＳ２０４）、それぞれ行う。
【００２１】
例えば、アクチュエータ１４１として四輪操舵システムを使用した場合には、車両応答性が「不足する」と推定された場合には、通常の制御に対し、後輪の補助操舵量を前輪と逆相に操舵される方向へと修正する。つまり、後輪が前輪と同じ方向に操舵されている場合には補助操舵量を減少させるように、後輪が前輪と逆の方向に操舵されている場合には補助操舵量を増大させるように、制御量を補正する。このように制御することにより、車両応答性の不足分を補うことが可能となる。
逆に、車両応答性が「過大になる」と推定された場合には、通常の制御に対し、後輪の補助操舵量を前輪と同相に操舵される方向へと修正する。このように制御することにより、将来、車両応答性が過大になる分を補うことが可能となる。
【００２２】
次に、運転操作推定ルーチンの作用を詳細に説明する。
この運転操作推定ルーチンは、運転操作推定ＨＭＭ１１１で実行される処理であり、運転者の運転操作があらかじめ決められた複数の推定対象パターンのうち、どのパターンに最も合致するかを判定するものである。
【００２３】
ＨＭＭを用いた時系列データパターン認識では、あらかじめ学習させておいた複数のデータパターンから最も一致度合いが高いパターンを認識結果として出力する。今回の運転操作推定ＨＭＭ１１１では、図６に示したような９つのパターンについて、あらかじめ学習させたモデルを使用し、現在及び所定回数以前までの運転操作量、車両状態量データを入力することによって、これら９つのパターンのうち、最も当てはまるのはどのパターンかを推定する。
【００２４】
ここでの９つのパターンは、運転技量レベル３段階（高、中、低）と、運転操作意図３段階（車両挙動安定化、現状維持、車両挙動不安定化）の組み合わせである。運転技量レベルは運転者の運転技量（車両挙動が不安定になった場合の修正操作の可能性）を示しており、運転操作意図は運転者が車両挙動をどうしたいと思って操作しているかを示している。このようなパターンに分けることにより、例えば車両挙動が不安定化した場合に、それは運転者が意図的に行った操作によるものか、現在の運転者の技量で修正可能かどうかということを判定可能となる。
【００２５】
運転操作推定ＨＭＭ１１１は、実際に使用する前に、あらかじめ、これら９つのパターンに合致するような条件で取得したデータを用いてそれぞれ学習させた、９つのモデルとなる。
【００２６】
なお、本実施の形態ではパターンを９つに分けたが、もっと小さく分けてパターン数を増やすことにより、より正確な判断を行ってもよいし、複数のパターンの中でほぼ同じような操作量、車両状態量になると思われるパターン（例えば、パターン６と９）については、一つのパターンとして扱うことにより処理内容を簡略化することが可能である。
【００２７】
図３のフローチャート（運転操作推定ルーチン）を用いて、具体的な処理内容を詳細に説明する。このフローは、運転操作推定ＨＭＭ１１１における処理の内容を示したものである。
【００２８】
ステップＳ３０１では、１０１〜１０５（図１参照）の各種センサから、運転操作量及び車両状態量を読み込む。
【００２９】
次の、ステップＳ３０２〜Ｓ３０４の処理は、推定対象であるパターンのモデル毎に実施される処理であり、この運転操作推定ルーチンが一度実行される間にモデルの個数回（９回）だけ実行される。ステップＳ３０２では、現在及び所定回数以前までの運転操作量、車両状態量のデータを各運転操作モデルへと入力する。ステップＳ３０３では、入力されたデータと過去の出力確率等を元に、各モデルにおいて今回の出力確率が算出される。すべてのモデルについてこれら２つの処理が実行され、ステップＳ３０４で全モデルについて終了したと判断されたら、ステップＳ３０５以降の処理へと進む。
【００３０】
ステップＳ３０５では、全モデルでの出力確率を比較し、最大の出力確率を算出したモデルを求める。これにより、図６に示した９つのパターンのうち、現在の運転操作がどのパターンに当てはまるのかが推定される。
【００３１】
その後、ステップＳ３０６で、次回以降の処理のために、今回の運転操作量、車両状態量をメモリし、ステップＳ３０７で、推定結果を車両挙動推定ＨＭＭ１２１へと出力して、今回の処理を終了する。
【００３２】
次に、車両挙動推定ルーチンの作用を詳細に説明する。
この車両挙動推定ルーチンは、車両挙動推定ＨＭＭ１２１で実行される処理であり、運転操作推定ＨＭＭ１１１で推定された運転操作パターンと、現在の運転操作量、車両状態量から、将来の車両応答性がどうなるかを推定するものである。
【００３３】
車両挙動推定ＨＭＭ１２１では、図７に示したような３つのパターンＡ〜Ｃについて、あらかじめ学習させたモデルを使用し、現在及び所定回数以前までの運転操作量、車両状態量データ、及び、運転操作推定ＨＭＭ１１１で推定された運転操作パターンを入力することによって、これら３つのパターンのうち、最も当てはまるのはどのパターンかを推定する。
【００３４】
ここでのパターンは、将来の車両応答性が「不足する」、「適切である」、「過大になる」の３つである。車両挙動推定ＨＭＭ１２１は、実際に使用する前に、あらかじめ、これら３つのパターンに合致するような条件で取得したデータを用いてそれぞれ学習させた、３つのモデルとなる。
【００３５】
なお、本実施の形態では、推定する将来の車両挙動として、車両応答性の過不足を取り上げたが、実際の使用にあたってはこれにこだわるものではない。例えば、アクチュエータがＡＢＳのような安定性を確保するための車両運動制御システムの場合、車両応答性が「不足する」ことを検出しても、応答性を向上させることは難しい。このような場合には、将来の車両挙動が不安定化するかどうかを推定するようなモデルとすることにより、必要かつ十分な性能を得ることができる。
【００３６】
図４のフローチャート（車両挙動推定ルーチン）を用いて、具体的な処理内容を詳細に説明する。このフローは、車両挙動推定ＨＭＭ１２１における処理の内容を示したものである。
【００３７】
ステップＳ４０１では、１０１〜１０５（図１参照）の各種センサから、運転操作量及び車両状態量を読み込む。
【００３８】
ステップＳ４０２では、運転操作推定ＨＭＭ１１１で推定された運転操作パターンを読み込む。
【００３９】
次の、ステップＳ４０３〜Ｓ４０５の処理は、推定対象であるパターンのモデル毎に実施される処理であり、この車両挙動推定ルーチンが一度実行される間にモデルの個数回（３回）だけ実行される。ステップＳ４０３では、現在及び所定回数以前までの運転操作量、車両状態量、運転操作推定パターンのデータを各車両挙動推定モデルへと入力する。ステップＳ４０４では、入力されたデータと過去の出力確率等を元に、各モデルにおいて今回の出力確率が算出される。すべてのモデルについてこれら２つの処理が実行され、ステップＳ４０５で全モデルについて終了したと判断されたら、ステップＳ４０６以降の処理へと進む。
【００４０】
ステップＳ４０６では、全モデルでの出力確率を比較し、最大の出力確率を算出したモデルを求める。これにより、図７に示した３つのパターンのうち、どのパターンに当てはまるのかが推定される。
【００４１】
その後、ステップＳ４０７で、次回以降の処理のために、今回の運転操作量、車両状態量、運転操作推定パターンをメモリし、ステップＳ４０８で、推定結果を車両挙動コントローラ１３１へと出力して、今回の処理を終了する。
【００４２】
その後、車両制御コントローラ１３１では、前述したように、将来の車両応答性が「不足する」場合には応答性を確保する車両応答性向上制御を、「適切である」場合には通常の制御を、「過大になる」場合には応答性を抑える車両応答性減少制御を、それぞれ行うこととなる。
【００４３】
以上のような処理とすることにより、運転操作量と車両状態量から運転者の技量と操作意図を推定し、さらに、その推定結果と運転操作量、車両状態量から将来の車両応答性の過不足を推定することが可能となり、その結果を用いて、車両応答性を変更できる車両制御システムの制御指令値を修正することにより、車両応答性の変化を小さくすることが可能となる。
【００４４】
なお、本実施の形態では、車両制御を行うアクチュエータとして、四輪操舵システムを例示して説明を行ったが、これにこだわるものでなく、ＡＢＳやＴＣＳなどの制駆動制御システムを用いても同様の効果が得られることは言うまでもない。
【００４５】
また、運転操作を推定するパターンとして、運転技量と運転操作意図の組み合わせとして説明したが、運転技量が低い運転者にありがちな運転操作ミスによる、車両挙動が不安定になる現象を防止する目的に限定し、ここでの推定パターンを運転技量のみによる分類に簡略化することも可能である。
【００４６】
さらに、車両状態量を計測するセンサとして、車速センサと横Ｇセンサのみを示したが、ヨーレートセンサや前後Ｇセンサ等の他のセンサをこれらの代わりに用いても同様の効果が得られるし、あるいは併用することにより、さらに制御性能を向上させることも可能である。
【００４７】
【発明の効果】
以上、詳細に説明したように、本発明によれば、隠れマルコフモデルを用いて現在の運転操作量と車両状態量から将来の車両挙動を推定する車両挙動推定手段を有し、将来の車両挙動が不安定になると推定された場合に、車両運転制御装置での制御量を、車両挙動が安定化する方向にあらかじめ変更することにより、車両挙動が不安定になることを未然に防止することが可能な車両挙動推定装置を提供することができる。
【図面の簡単な説明】
【図１】本発明による車両挙動推定装置の一実施の形態のシステムブロック図である。
【図２】作用を説明するためのフローチャートである。
【図３】作用を説明するためのフローチャート（運転操作推定ルーチン）である。
【図４】作用を説明するためのフローチャート（車両挙動推定ルーチン）である。
【図５】隠れマルコフモデルを説明するための概念図である。
【図６】作用を説明するための説明図である。
【図７】作用を説明するための説明図である。
【符号の説明】
１０１ 操舵角センサ
１０２ アクセルセンサ
１０３ ブレーキセンサ
１０４ 車速センサ
１０５ 横Ｇセンサ
１１１ 運転操作推定ＨＭＭ
１２１ 車両挙動推定ＨＭＭ
１３１ 車両制御コントローラ
１４１ アクチュエータ
Claims (2)
- 現在の運転操作量と車両状態量から運転者の運転操作パターンを推定する運転操作推定手段と、
前記運転操作推定手段が推定した運転操作パターンと車両状態量から将来の車両挙動を推定する車両挙動推定手段と、
車両挙動の特性を変更可能な車両運動制御手段と、を備え、
前記運転操作推定手段は、隠れマルコフモデル（ＨＭＭ）によるパターン認識手法を用い、現在の運転操作量と車両状態量に基づき、事前に学習した運転操作パターンとの一致度の高い運転操作パターンを推定するとともに、前記車両挙動推定手段は、隠れマルコフモデル（ＨＭＭ）によるパターン認識手法を用い、前記運転操作推定手段が推定した運転操作パターンと車両状態量に基づき、事前に学習した車両挙動パターンとの一致度の高い車両挙動を推定し、
前記車両挙動推定手段での車両挙動推定結果に基づき、前記車両運動制御手段における制御量を変更することを特徴とする車両挙動推定装置。 - 請求項１に記載の車両挙動推定装置において、
前記運転操作パターンは、運転者の運転技量と運転操作意図との組み合わせからなるものでことを特徴とする車両挙動推定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26522397A JP4069481B2 (ja) | 1997-09-30 | 1997-09-30 | 車両挙動推定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26522397A JP4069481B2 (ja) | 1997-09-30 | 1997-09-30 | 車両挙動推定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1199848A JPH1199848A (ja) | 1999-04-13 |
| JP4069481B2 true JP4069481B2 (ja) | 2008-04-02 |
Family
ID=17414243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26522397A Expired - Fee Related JP4069481B2 (ja) | 1997-09-30 | 1997-09-30 | 車両挙動推定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4069481B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10513270B2 (en) | 2018-05-04 | 2019-12-24 | Ford Global Technologies, Llc | Determining vehicle driving behavior |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4561092B2 (ja) * | 2003-12-16 | 2010-10-13 | 日産自動車株式会社 | 車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 |
| US8271175B2 (en) | 2005-08-05 | 2012-09-18 | Honda Motor Co., Ltd. | Vehicle control device |
| WO2007077867A1 (ja) * | 2005-12-28 | 2007-07-12 | National University Corporation Nagoya University | 運転行動推定装置、運転支援装置、車両評価システム、ドライバモデル作成装置、及び運転行動判定装置 |
| JP4791874B2 (ja) * | 2006-03-31 | 2011-10-12 | 株式会社エクォス・リサーチ | 運転支援装置及び運転行動判定装置 |
| JP4781104B2 (ja) * | 2005-12-28 | 2011-09-28 | 国立大学法人名古屋大学 | 運転行動推定装置、及び運転支援装置 |
| JP5119433B2 (ja) * | 2006-08-20 | 2013-01-16 | 国立大学法人東京農工大学 | 車両運動制御装置およびこれを搭載した自動車 |
| JP5005492B2 (ja) * | 2007-10-17 | 2012-08-22 | 富士重工業株式会社 | 安全運転支援システム |
| JP5041160B2 (ja) * | 2008-02-29 | 2012-10-03 | 株式会社エクォス・リサーチ | 運転支援装置 |
| JP5161643B2 (ja) * | 2008-04-23 | 2013-03-13 | 富士重工業株式会社 | 安全運転支援システム |
| JP4947134B2 (ja) * | 2009-12-03 | 2012-06-06 | 日産自動車株式会社 | 操作補助方法、操作補助装置、制御プログラム、および車両 |
| GB2492748B (en) | 2011-07-04 | 2014-05-07 | Jaguar Land Rover Ltd | Vehicle control system and method for controlling a vehicle |
| JP5293784B2 (ja) * | 2011-08-10 | 2013-09-18 | 日産自動車株式会社 | 操作補助方法、操作補助装置、制御プログラム、および車両 |
-
1997
- 1997-09-30 JP JP26522397A patent/JP4069481B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10513270B2 (en) | 2018-05-04 | 2019-12-24 | Ford Global Technologies, Llc | Determining vehicle driving behavior |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH1199848A (ja) | 1999-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4069481B2 (ja) | 車両挙動推定装置 | |
| CN101162395B (zh) | 用于车道居中控制的方法和系统 | |
| Schofield et al. | Vehicle dynamics control and controller allocation for rollover prevention | |
| US8041491B2 (en) | Reconfigurable structure method of estimating vehicle lateral velocity | |
| CN108202745B (zh) | 预测障碍物车辆状态的方法及系统 | |
| KR20210070014A (ko) | 노면의 마찰계수 추정 장치 및 그 방법 | |
| JP4475175B2 (ja) | 車線推定装置 | |
| EP1930222B1 (en) | Method for providing stability control for a vehicle | |
| JP4096384B2 (ja) | 運転行動パターン認識装置 | |
| CN115320707B (zh) | 汽车后轮转向控制系统及方法 | |
| CN113002619A (zh) | 用于控制后车轮转向的装置及方法 | |
| CN116279213A (zh) | 一种驻车控制方法、装置、计算机设备及存储介质 | |
| US20220289183A1 (en) | Apparatus for controlling lane keeping, system having the same and method thereof | |
| CN115320572A (zh) | 一种车辆控制方法及装置 | |
| CN115303288A (zh) | 一种车辆控制方法、控制装置及摄像头装置 | |
| KR20230069996A (ko) | 차량의 적어도 하나의 휠의 슬립을 제어하기 위한 방법 및 제어 장치 | |
| CN114633766A (zh) | 一种车辆弯道控制补偿方法、装置、设备与介质 | |
| CN112449624B (zh) | 操舵控制装置以及操舵控制方法 | |
| US20210188343A1 (en) | Method and system for steering intervention by electronic power steering unit to prevent vehicle rollover or loss of control | |
| CN117970810B (zh) | 一种自适应故障容错控制方法、系统及电子设备 | |
| JP3747671B2 (ja) | ソレノイドバルブの駆動方法 | |
| JPH07253367A (ja) | 路面摩擦係数検出装置 | |
| JP3686519B2 (ja) | 車両の挙動制御装置 | |
| CN117125133A (zh) | 后驱车辆转向控制方法、系统、控制器及车辆 | |
| CN116639134A (zh) | 用于学习驾驶风格的方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070821 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071018 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20071018 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20071225 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080107 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110125 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |