JP5023869B2 - 車両用運転操作支援装置、および車両用運転操作支援方法 - Google Patents

Description

本発明は、運転者に対する運転支援を行うための車両用運転操作支援装置、および車両用運転操作支援方法に関する。

次のような車両用衝突防止支援装置が知られている。この車両用衝突防止支援装置は、障害物までの距離が、制動によって障害物への衝突を回避できる距離を下回っている場合でも、ドライバーの操舵速度が所定値以上であれば、操舵によって障害物への衝突を回避できる距離を下回るまでは制動支援を行わない（例えば、特許文献１）。

特開２００４−２２４３０９号公報

しかしながら、従来の装置では、自車と前方障害物の相対距離と相対速度、路面摩擦係数、横移動距離という固定値から操舵によって障害物への衝突を回避できる距離を算出しているため、操舵によって障害物との衝突を回避できるか否かは、ドライバーの運転能力、車両の操舵特性、または自車周囲環境によって変わるため、支援タイミングの決定方法として適当とは言い難い。

本発明に係る車両用運転操作支援装置は、自車の周囲に存在する障害物の位置を検出する障害物検出手段と、自車の走行路上の位置および自車の速度を検出する自車状態検出手段と、前記障害物検出手段で検出した前記障害物の位置と、前記自車状態検出手段で検出した前記自車の走行路上の位置および速度とに基づいて、自車が前記障害物を回避するために必要な操作量を時系列で予測する予測手段と、前記予測手段により予測された最大転舵角速度および最大制動トルク和のうち少なくともいずれか一方の予測値が所定の閾値を越えたとき、前記障害物を回避するための操作支援が必要であると判定する回避判定手段と、前記回避判定手段により前記操作支援が必要であると判定された場合に、前記操作支援を行う運転支援手段と、運転者の運転熟練度を検出する運転者特性検出手段とを備えた車両用運転操作支援装置であって、前記回避判定手段は、前記運転者特性検出手段で検出した前記運転者の運転熟練度に基づいて、前記操作支援が必要か否かの判定基準となる閾値を変更し、前記運転支援手段は、前記予測手段により予測された操作量と現在の操作量との差分値が予め設定されている不感帯範囲を越えた場合には、その差分値に応じて操作介入量を変化させていく、ことを特徴とする。
本発明に係る車両用運転操作支援方法は、自車の周囲に存在する障害物の位置を検出する障害物検出工程と、自車の走行路上の位置および自車の速度を検出する自車状態検出工程と、前記障害物検出工程において検出した前記障害物の位置と、前記自車状態検出工程において検出した前記自車の走行路上の位置および速度とに基づいて、自車が前記障害物を回避するために必要な操作量を時系列で予測する予測工程と、前記予測工程により予測された最大転舵角速度および最大制動トルク和のうち少なくともいずれか一方の予測値が所定の閾値を越えたとき、前記障害物を回避するための操作支援が必要であると判定する回避判定工程と、前記回避判定工程により前記操作支援が必要であると判定された場合に、前記操作支援を行う運転支援工程と、運転者の運転熟練度を検出する運転者特性検出工程とを備えた車両用運転操作支援方法であって、前記回避判定工程では、前記運転者特性検出工程で検出した前記運転者の運転熟練度に基づいて、前記操作支援が必要か否かの判定基準となる閾値を変更し、前記運転支援工程では、前記予測工程により予測された操作量と現在の操作量との差分値が予め設定されている不感帯範囲を越えた場合には、その差分値に応じて操作介入量を変化させていく、ことを特徴とする。

本発明によれば、より適確な支援タイミングを決定することができる。

―第１の実施の形態―
図１は、第１の実施の形態における車両用運転操作支援装置の一実施の形態の構成を示す図である。車両用運転操作支援装置１００は、車両に搭載され、カメラ１と、ロータリーエンコーダ２と、ヨーレートセンサ３と、加速度センサ４と、マイクロプロセッサ５と、操舵角センサ６と、操舵用サーボモータ７と、操舵角サーボコントローラ８と、ブレーキコントローラ９と、ブレーキアクチュエータ１０と、警報器１１とを備えている。

カメラ１は、ステレオカメラとして構成され、車室内前方に２台取り付けられている。後述するマイクロプロセッサ５は、この２台のカメラ１で取得される画像に基づいて、自車前方の障害物等の位置情報の検出と道路境界の検出を行う。

ロータリーエンコーダ２は、車両の各輪に設置されており、タイヤ回転数を検出する。ヨーレートセンサ３は、水晶振動子や半導体等を用いて構成される公知のデバイスを利用して車両重心に発生するヨーレートを検出する。加速度センサ４は、圧電素子等を用いて構成される公知のデバイスを利用して車両に発生する特定方向の加速度を検出する。ここでは車両の縦方向と横方向に発生する加速度を検出する構成を想定し、検出された加速度出力を積分して車両縦方向と横方向の速度検出を行う。

マイクロプロセッサ５はＡ／Ｄ変換回路、Ｄ／Ａ変換回路、中央演算処理装置、メモリ等から構成される集積回路であり、メモリに格納されたプログラムに従って、各種センサで検出した信号の処理と前方障害物を回避するため必要な時系列予測操作量の算出と回避支援の必要性有無の判定を行い、その結果を操舵角サーボコントローラ８、ブレーキコントローラ９、警報器１１に伝達する。

操舵角センサ６は、ラック−ピニオン方式の前輪操舵機構におけるフィードバック信号としてサーボコントローラに計測値を伝達する。操舵用サーボモータ７は、ピニオンギアをモータで回転させることによって、操舵系を自動で動かせる役割を担う。操舵角サーボコントローラ８は、制御演算のためのマイクロプロセッサとモータ駆動のための昇圧回路等から構成され、マイクロプロセッサ５から出力される操舵角信号を目標とするサーボ制御を実行する。

ブレーキコントローラ９は、制御演算のためのマイクロプロセッサとアクチュエータ駆動の昇圧回路から構成され、マイクロプロセッサ５から出力される制動トルク信号を指令値として、ブレーキアクチュエータ１０を操作する。ブレーキアクチュエータ１０は、ブレーキコントローラ９からの出力信号に応じてブレーキ圧を調整することで、各輪制動系を自動かつ独立に動かせる役割を担う。警報器１１は、例えばスピーカーが用いられ、マイクロプロセッサ５から出力される信号に基づいて、警報音声を出力する。

図２は、図１に示した車両用運転操作支援装置１００を機能ブロック別にまとめて表現したブロック図である。まず、マイクロプロセッサ５は、カメラ１、ヨーレートセンサ３、加速度センサ４、および操舵角センサ６を自車状態検出部２ａとして用い、これらのそれぞれから検出された情報を統合的に処理することによって、自車の運動状態を表す情報を取得する。また、マイクロプロセッサ５は、カメラ１を前方障害物検出部２ｂとして用い、カメラ１から出力される画像に対して画像処理を実行することによって、前方障害物の運動状態を表す情報や道路境界を表す情報を取得する。

さらに、マイクロプロセッサ５は、カメラ１を道路状態検出２ｇとして用い、カメラ１から出力される画像に基づいて、走行先の道路の形状を特定する。なお、本実施の形態では、図４で後述するように、自車両は直線道路を走行しているものとする。

マイクロプロセッサ５は、このような自車状態検出部２ａおよび前方障害物検出部２ｂから入力される情報を処理する機能に加えて、自車操作予測部２ｃ、緊急回避判定部２ｄ、および支援方法決定部２ｅの各要素によって実現される機能を含む構成とする。

自車操作予測部２ｃは、自車状態検出部２ａから入力される現在の自車の運動状態に基づいて所定時間後未来までの間に自車が取り得る操作量パターンの中から、自車の最も都合の良い回避操作量パターンの算出を、各検出障害物に対して行う。そして、車操作予測部２ｃは、算出した回避操作量パターンに基づいて、各検出障害物を回避するために運転者が行うべき操作における操作量の時系列データ（操作量時系列データ）を算出し、その算出結果を緊急回避判定部２ｄおよび支援方法決定部２ｅへ出力する。なお、操作量時系列データには、検出障害物を回避するために必要な転舵角速度と制動トルクの予測時系列データを含む。

ここで、自車操作予測部２ｃは、未来における自車の運動予測を行うための車両モデル２ｃ−１と、自車にとって最も都合の良い操作パターンを定義するために用いる評価関数を設定するための評価関数設定部２ｃ−２と、移動する障害物の移動軌跡を予測するための障害物移動軌跡予測部２ｃ−３とを内部に含む構成となっている。

なお、本実施の形態における最も都合の良い回避操作パターンとは、自車操舵角速度が小さく、さらに障害物接近時の相対速度が小さくなるような障害物回避操作を表す回避操作パターンとする。そして、この条件を数式表現することによって自車の操作パターンとそれによる運動パターンを数値的に評価するものが評価関数である。また、道路境界の検出が可能な場合は道路情報を評価関数に含めることで、道路形状に合わせた評価を行うことができる。これら評価関数設定の具体的な手法は後述する。

本実施の形態では、あらかじめ実験やシミュレーションを行って、一般的な運転者の能力に基づいて緊急回避と見なされる転舵角速度と制動トルクを決定し、閾値（判定基準）としてマイクロプロセッサ５内のメモリに格納しておく。そして、緊急回避判定部２ｄは、自車操作予測部２ｃから入力される操作量時系列データに基づいて、予測転舵速度の最大値と予測制動トルクの最大値を算出する。緊急回避判定部２ｄは、この算出結果とメモリに格納しておいた閾値とを比較することで、現在自車の前方に存在する障害物に対して緊急回避の必要性があるか否かを判定する。

支援方法決定部２ｅは、緊急回避判定部２ｄによって緊急回避の必要性があると判断された場合に、緊急回避のための操作介入を行う必要があると判断し、自車操作予測部２ｃから出力された操作量時系列データに基づいて、操作介入時の支援量を決定する。

制御・警告装置２ｆは、支援方法決定部２ｅで決定された支援量に基づいて、車両に搭載された種々のアクチュエータを駆動することで、自車操作予測部２ｃから出力される操作量の時系列データに基づいた操作をドライバーに実現させる。なお、本実施の形態では、制御・警告装置２ｆは、操舵系と制動系を制御して操作介入を行うことを想定する。

具体的には、制御・警告装置２ｆは、操舵系として操舵角センサ６、操舵用サーボモータ７、および操舵用サーボコントローラ８を制御する。また、制動系としてブレーキコントローラ９、ブレーキアクチュエータ１０を制御する。なお、制御・警告装置２ｆが操舵系および制動系を制御するためのシステムは、公知の技術であるため、詳細な説明は省略する。

以下、マイクロプロセッサ５における経路選択手順について、図３に示したフローチャートに基づいて説明する。なお、図３に示す処理は、図４に示す場面を想定した場合の処理を示している。ここで図４は、自車走行路前方を移動する障害物（前方障害物１）が、ある時刻で減速を行っている場面である。この図３に示す処理は、マイクロプロセッサ５が、前方障害物検出部２ｂから出力される画像に基づいて、自車の進路上に障害物を検出したときに開始される。

ステップＳ１では、マイクロプロセッサ５は、カメラ１と各センサの検出信号を読み込み、その信号情報をマイクロプロセッサ５内のメモリに格納する。ステップＳ２では、マイクロプロセッサ５は、自車および障害物情報を、統一された座標値に対応づけて運動状態の記述をするために、カメラ１で撮像されたイメージに対して座標系の設定を行う。具体的には、図４に示すように、道路の進行方向にＸ軸を、Ｘ軸と垂直方向にＹ軸を設定する。また、座標原点は自車の現在値をＸ座標の原点、道路の中心をＹ座標の原点に設定する。

そして、マイクロプロセッサ５は、このように設定された座標上に、自車重心点の位置情報（ｘ，ｙ）、障害物１の位置情報（ｘ_ｂ１，ｙ_ｂ１）を設定する。なお、マイクロプロセッサ５は、上述したようにステレオカメラを構成する２台のカメラ１で取得される画像に基づいて、自車と障害物１との間の相対的な位置の検出が可能である。そして、自車重心点の位置情報（ｘ，ｙ）および障害物１の位置情報（ｘ_ｂ１，ｙ_ｂ１）の時間変化から、自車速度νと障害物速度ν_ｂ１とを算出する。

なお、ここでは図４に示すように直線道路を想定しているため、自車速度νと障害物速度ν_ｂ１はＸ軸方向の速度成分として算出され、Ｙ軸方向の速度成分はゼロになる。また、道路境界に関する情報（道路境界情報）についてもこの段階で設定する。例えば、図４に示す直線道路においては、左境界のＹ座標ｙ_Ｌ、右境界のＹ座標ｙ_Ｒを道路境界情報として設定する。

ステップＳ３では、自車操作予測部２ｃは、車両運動を予測するための車両モデルに使用される、状態ベクトルの現在値を算出する。まず、車両モデルの説明を行なう。この車両モデルは、精密化することによって、算出する車両運動予測結果の信頼性が向上する一方、簡略化することによって、マイクロプロセッサにかかる計算負荷を軽減できる。本実施の形態では、車両横移動による減速度の低下を含んだ４輪モデルを車両モデルとして使用する。この４輪モデルは、具体的には、次式（１）〜（８）に示す微分方程式で記述される。

ただし、図５に示すように、θ、ν、β、γ、ω_ｉ、およびδは、それぞれ自車対置ヨー角、速度、すべり角、ヨーレート、各輪回転速度、前輪転舵角、前輪転舵角速度を表し、ｘ、ｙと合わせて自車の状態変数として扱う。また、Ｔｑ_ｉは各輪の制動トルク、δ_νは前輪転舵角速度であり、自車の操作入力の指令値を表す。Ｍ、Ｉ_ｙ、Ｉ_ｗ、Ｌ_ｆ、Ｌ_ｒ、Ｌ_ｔ、Ｒ_ｔは、自車の既知パラメータであり、それぞれ自車質量、自車ヨー慣性モーメント、車輪回転慣性モーメント、車両重心から前輪軸までの距離、車両重心から後輪軸までの距離、トレッドベースの半分、タイヤ半径を表す。そして、Ｆｙ_ｉ、Ｆｘ_ｉ（ｉ＝｛ｆｌ，ｆｒ，ｒｌ、ｒｒ｝）は、各輪のタイヤ横力、タイヤ縦力を表し、次式（９）および（１０）に示すようなＭａｇｉｃ ＦｏｒｍｕｌａやＢｌｕｓｈ Ｍｏｄｅｌのような各輪のすべり角α_ｉ、すべり率ｋ_ｉ、輪荷重Ｆｚ_ｉの関数とする。

なお、本実施例における輪荷重Ｆｚ_ｉは一定の値と仮定し、すべり角α_ｉ、すべり率ｋ_ｉは、次式（１１）〜（１３）を使用する。

ここで、路面の摩擦係数を推定して、各輪のタイヤ横力を次式（１４）および（１５）に示すように表すことで、路面スリップを考慮した車両運動を求めることができる。

以上のモデルを用いると、本実施の形態で使用する車両の運動状態ｘは１１次元のベクトルとして次式（１６）で表され、車両を操作する入力ｕは５次元のベクトルとして次式（１７）で表される。

また、式（１）〜（１７）で表現される車両モデルは、非線形要素を含んでいることから次式（１８）に示すような非線形微分方程式の一般形で表すことができる。

次に、自車操作予測部２ｃが車両状態の現在値を取得する方法について説明する。自車重心点の位置情報（ｘ，ｙ）はステップＳ２ですでに算出されている。γに関しては、ヨーレートセンサ３からの出力によって得られ、θはある時点での車両姿勢を基準として、ヨーレートセンサ３からの出力を積分することで検出できる。βは車両縦方向の速度をν_ｘ、横方向の速度をν_ｙとすると、次式（１９）で表すことができる。

式（１９）から、βの検出は、車両に取り付けられた加速度センサ４で検出した車両縦方向の加速度を積分した値をν_ｘ、車両横方向の加速度を積分した値をν_ｙとして使用することで可能となる。また、βが微小であると仮定すると、ν＝ν_ｘと近似できる。ω_ｉは、各輪に設置されているロータリーエンコーダ２からの出力よって得られる。δは、操舵角センサ６からの出力結果をタイヤの転舵角に換算して得られる。

ステップＳ４では、障害物移動軌跡予測部２ｃ−３は、障害物の位置から、その未来の移動軌跡を推定する。ここでは、ステップＳ２で検出した障害物の位置データの履歴から障害物の移動速度を推定し、障害物が等速直線運動をしているという仮定のもとで算出を行う方法について説明する。図４において、時刻ｔ_０時における各障害物の位置を次式（２０）に示すように定義し、各障害物ともにｔ_０秒時における自車進行方向と同じ向きに速度ν_ｂ１で移動していると推定した場合、ｔ秒時における障害物の推定位置は、次式（２１）のように表される。

なお、障害物が静止しているとき、すなわちステップＳ３で、障害物速度ν_ｂ１が０であった場合には、このステップ４を省くことができる。

ステップＳ５では、評価関数設定部２ｃ−２は、車両運動に対する良し悪しの基準となる評価関数の設定を行う。評価関数は、現在時刻ｔ_０から所定推定時刻ｔ_０＋Ｔまでに、車両に対して加えた入力ｕに対する車両状態ベクトルｘの予測値に基づいて、次式（２２）に示すように表すことができる。

式（２２）の右辺の第１項は時刻ｔ_０＋Ｔにおける車両運動状態の良し悪しを評価する式であり、第２項は現在時刻ｔ_０から時刻ｔ_０＋Ｔまでの区間内における車両運動状態の良し悪しを評価する式である。ここで、Ｔを小さく設定すると、短い時間間隔での最適な操作量を算出するが、不確定要素の影響は低く抑えることができる。逆にＴを大きく設定すると、長い時間間隔で最適な操作量を算出できるが、その分不確定要素の影響は大きくなる。以上のことを踏まえると、Ｔは２〜５秒で設定するのが望ましい。

この式（２２）で表される評価基準を評価関数として使用することで、現在時刻ｔ_０からＴ秒後未来までの車両状態予測を考慮した操作量の算出が可能となる。本実施の形態における式（２２）の第２項に含まれる評価項目は、以下の５つである。
評価項目１．検知した障害物を避ける
評価項目２．道路境界に近づきすぎないようにする
評価項目３．前方障害物横通過時の相対速度を小さくする
評価項目４．操舵角速度は必要以上に速くないほうが望ましい
評価項目５．各輪の制動トルクは必要以上に出しすぎないほうが望ましい

評価項目１は、検知した障害物に接触しないような経路を生成するための評価項目である。評価項目２は、障害物回避の際に道路に接触しないような経路を生成するための評価項目である。評価項目３は、自車速度を抑えることで、より安全に回避することを目的とする評価項目である。評価項目４および５は、各アクチュエータの操作量を小さくすることで、効率良く回避を行わせることを目的とする評価項目である。次式（２３）〜（２７）に、前方障害物を回避するために各評価項目ごとに設定された評価関数を示す。

評価項目１は、ステップＳ２で得られた自車の対置位置（ｘ，ｙ）と、障害物の自車の対置位置（ｘ_ｂ１，ｙ_ｂ１）とを変数として、次式（２３）のように表される。

ただし、σ_ｘ、σ_ｙは、関数の形状を決めるパラメータである。

評価項目２は、ステップＳ２で得られた自車のY座標ｙと、道路Y座標ｙ_Ｌ、ｙ_Ｒを変数として、次式（２４）のように表される。

ただし、Δは、道路境界に接近する余裕幅を指定するパラメータである。なお、式（２３）および（２４）を合わせた評価値のイメージは、図６に示すようになる。

評価項目３は、ステップＳ２で得られた自車のX座標ｘ、障害物のX座標ｘ_ｂ１、およびステップＳ３で得られた自車の走行速度νを変数として、次式（２５）のように表される。

ただし、σ_νは関数の形状を決めるパラメータである。

評価項目４は、操舵角速度が小さいほど良い評価となるので転舵角速度入力指令値δ_νを変数として、次式（２６）のように表される。また、評価項目５も、評価項目４と同様の考えに基づき、各輪制動トルク入力指令値Ｔｑ_ｉ ^＊を変数として、次式（２７）のように表される。

以上の５つの評価項目を適当な重みパラメータをつけて足し合わせた関数を、評価式Ｌとして構成する。評価項目１〜５の各重みパラメータをそれぞれｗ_Ｐ、ｗ_Ｒ、ｗ_Ｖ、ｗ_Ｄ、およびｗ_Ｔとすると、式（２２）におけるＬおよびΨは、それぞれ次式（２８）および（２９）で表すことができる。

ステップＳ６では、自車操作予測部２ｃは、上述した処理で構成された車両モデルと各障害物に対して設定された評価関数に基づいて、評価関数値を最良とする最適操作量を算出する演算を行う。式（２２）で表される評価関数を最小にするような操作量を求める問題は、一般に最適制御問題と呼び、その数値解を求めるために様々なアルゴリズムが公知の技術として知られている。本実施の形態では、自車操作予測部２ｃは、公知のアルゴリズムを使用することにより、次のようにして最適操作量の算出を行う。

まず、式（１９）に示す入力ｕがされるので、現在時刻ｔ_０から時刻ｔ_０＋Ｔまでの各操作量が時系列で算出される。実際の操作量算出では、評価区間を適当なステップ数Ｎで分割して離散化を行い、各ステップ時点における操作量の値を算出することになる。つまり、次式（３０）および（３１）に示すような、Ｎ個の時系列入力が得られる。

ここで、Ｎは大きいほどサンプル時間間隔が短くなって、精度の良い予測操作量を算出できるが、その分求めるデータ数が大幅に増加するため、計算負荷が高くなってしまう。よって、サンプル時間間隔が１０〜１００ｍｓｅｃになるようにＴとＮを決定することが望ましい。この式（３０）および（３１）で表された時系列操作量が、自車操作予測部２ｃからの出力となる。

式（３１）より、４輪制動トルク和の時系列データは、次式（３２）により表される。

そして、式（３０）および（３２）で表された時系列データの中で、絶対値が最大となる転舵角速度入力量（最大予測転舵角速度）をδ_νＭとし、絶対値が最大となる４輪制動トルク入力和の量（最大制御トルク和）をＴｑ_Ｍとする。

ステップＳ７では、緊急回避判定部２ｄは、ステップＳ６で得られた最大予測転舵角速度δ_νＭ、および最大制御トルク和Ｔｑ_Ｍと、予めマイクロプロセッサ内のメモリに格納しておいた転舵角速度の閾値Ｔｈ_ｓ、および制動トルク和の閾値Ｔｈ_ｂとを比較する。ここで、転舵角速度の閾値Ｔｈ_ｓは、ドライバーの操舵能力によってあらかじめ設定されており、制動トルク和の閾値Ｔｈ_ｂは、車両の制動能力に基づいてあらかじめ設定されている。そして、緊急回避判定部２ｄは、最大予測転舵角速度δ_νＭおよび最大制御トルク和Ｔｑ_Ｍの少なくともいずれか一方が、それぞれの閾値を超えた場合には、ドライバーに対して障害物を回避するための回避支援を行う必要があると判定する。

例えば、図７（ａ）に示すように、減速する前方障害物に対し、逐次演算によって予測操作量を更新するとして、自車が地点Aを通過時に算出された予測操作量から最大予測転舵角速度δ_νＭ、および最大制動トルク和Ｔｑ_Ｍを算出した場合に、最大予測転舵角速度δ_νＭおよび最大制御トルク和Ｔｑ_Ｍのいずれも閾値を越えなかったとする。この場合には、地点Aではドライバーにとって前方障害物を自身で回避する余裕があるシーンと見なされ、緊急回避判定部２ｄは、前方障害物を回避するための支援の必要はないと判断する。

これに対して、図７（ｂ）に示すように、減速する前方障害物に対し、逐次演算によって予測操作量を更新するとして、自車が地点Aを通過時に算出された予測操作量から最大予測転舵角速度δ_νＭ、および最大制動トルク和Ｔｑ_Ｍを算出した場合に、最大予測転舵角速度δ_νＭが閾値Ｔｈ_ｓを上回ったとする。この場合には、ドライバー能力に基づいて設定された閾値Ｔｈ_ｓを超えたため、ドライバーの能力のみでは前方障害物を回避することが困難なシーンと見なすことができる。よって、緊急回避判定部２ｄは、前方障害物を回避するための支援の必要があると判断する。

ここで、転舵角速度の閾値Ｔｈ_ｓおよび制動トルク和の閾値Ｔｈ_ｂの各閾値は、シミュレーション結果や実験結果などから予め決定しておくようにするが、さらに通常時のドライバーの運転状況から運転熟練度を判断し、あらかじめ設定した閾値を変更するようにしてもよい。例えば、通常運転時に前方車両の加減速動作に伴うドライバー操作の反応時間やブレーキ踏み込み量から、ドライバーの運転スキルや現在の運転集中度を判定する。そして、運転に不慣れなドライバー又は注意力が散漫であると判断した場合には、制動トルク和の閾値Ｔｈ_ｂをあらかじめ設定した値より下げるようにすればよい。

また、転舵角速度の閾値Ｔｈ_ｓについても、コーナリング時における操舵角速度のばらつきから運転熟練度を推定して、運転熟練度が低いドライバーの場合は転舵角速度の閾値Ｔｈ_ｓをあらかじめ設定した値より下げるようにすればよい。あるいは、連続走行時間からドライバーの集中力低下を予測するなどして、各閾値を変更する方法も考えられる。

ステップＳ８では、支援方法決定部２ｅは、ステップＳ７で緊急回避判定部２ｄによって回避支援の必要があると判断された場合に、各アクチュエータ制御装置や警報装置を使用してどのように操作介入やドライバー警告を行うかの決定を行う。すなわち回避支援の方法を決定する。本実施の形態では、逐次演算を想定しているため、ステップＳ６で算出されたステップある各予測操作量の１ステップ目の予測操作量と各操作系における現在の操作量との差を基に各制御量を決定するものとする。

例えば、支援方法決定部２ｅは、操舵角サーボコントローラ８を制御して操舵による介入支援を行うようにしたり、ブレーキコントローラ１０を制御して制動による介入支援を行うようにしたり、あるいは警報器１１を制御して、ドライバーに警報を発したりする。なお、支援方法決定部２ｅは、介入支援を行うとともに警報を発してもよく、介入操作を行うのに代えて警報を発するようにしてもよい。

図８に操舵による介入量決定方法の一例を示す。支援方法決定部２ｅは、現在の自車転舵角速度をδ_νＤとしたときに、予測転舵速度の１ステップ目δ_ν（ｔ_０）との差の絶対値｜δ_ν（ｔ_０）−δ_νＤ｜が、ドライバーの不感帯であるＤｚより小さい場合は、操舵の操作介入の必要がないと判断して、介入量をゼロとする。これに対して、不感帯Ｄｚより大きい場合は、｜δ_ν（ｔ_０）−δ_νＤ｜に比例して介入量を増やしてゆき、介入量がアクチュエータの性能限界δ_νｌｉｍに達したときに飽和する。支援方法決定部２ｅは、この操舵による介入量の決定方法と同様の考えに基づいて、制動の支援量も決定する。

以上の説明では、具体性を持たせるために図４に示したように、前方に減速する障害物（前方障害物１）が存在する場面を想定したが、図９のように、式（２０）で表される前方の位置に、速度ν_ｂ２で道路を横断する障害物（前方障害物２）が存在する場面では、ステップＳ４における障害物移動軌跡予測において、ｔ秒時における障害物の推定位置を次式（３３）により表すことによって、上述した処理をそのまま適用することができる。

なお、このときは、ステップＳ５での評価関数は前方障害物２の情報に合わせて設定する必要がある。また、ステップＳ８では、支援方法決定部２ｅは、ステップＳ６で算出された予測操作量算出手段からの出力である時系列予測操作量に基づいて支援タイミングを決定したが、この時系列予測操作量どおりに自車を操作した際の時系列運動状態量に基づいて支援タイミングを決定することで、車両特性に基づいた支援タイミング決定することも可能である。

ここでは、上述した自車運動状態量のひとつであるヨーレートを例に具体例を説明する。自車操作予測部２ｃは、ステップＳ６で時系列予測操作量を算出し、さらにステップ３で説明した車両モデルを使用して、その時系列予測操作量で実際に自車を操作したときの車両運動を算出する。これによって、時系列でヨーレートの予測値γ^＊を得て、γ^＊の最大値（最大ヨーレート）であるγ_Ｍを求める。

ステップＳ７では、緊急回避判定部２ｄは、この最大ヨーレートγ_Ｍと、あらかじめマイクロプロセッサ内のメモリに格納しておいたヨーレート閾値Ｔｈ_γとの比較を行う。このヨーレート閾値Ｔｈ_γは、車両特性に基づいてあらかじめ設定され、マイクロプロセッサ内のメモリに格納されている。そして、緊急回避判定部２ｄは、最大ヨーレートγ_Ｍがヨーレート閾値Ｔｈ_γを超えたと判断した場合には、一般的なドライバー操作能力の範囲内ではあるが車両運動をうまくコントロールできない可能性があると判断して、回避支援の必要があると判断する。

なお、ヨーレートの他にも、滑り角や横移動距離など予測が可能な状態量であれば、支援可否の判定基準となりうる。また、ステップ３で使用する車両モデルは演算負荷を軽減するために低次元モデルを使用し、ステップ６で使用する車両モデルはより次元の高いモデルを使用し、得られた予測操作量をこの複雑なモデルに入力して判定を行うといった手法も考えられる。

また、予測操作量または予測運動状態量の他にも、このいずれかの情報に基づいて算出された定量値を判断基準にすることも可能である。定量値の例として自車の運動エネルギーを用いれば自車の回避挙動をエネルギーの観点で、自車横移動量の積分値を用いれば自車の回避経路負荷という観点で、操舵角積分値を用いればドライバーの操舵負荷という観点で、各輪のタイヤ力を用いればタイヤ負荷という観点で支援タイミングを決定することができる。そしてステップ５で設定した評価関数の評価値も当然定量値に含まれており、この評価値を使用することで、本実施例で設定した評価項目を総合的かつ数値的に考慮した支援タイミングを決定することができる。

以上説明した第１の実施の形態によれば、以下のような作用効果を得ることができる。
（１）自車の周囲に存在する障害物の位置を検出し、自車の走行路上の位置および自車の速度を検出し、検出した障害物の位置と、検出した自車の走行路上の位置および速度とに基づいて、自車が障害物を回避するために必要な操作量を時系列で予測した。そして、予測した予測操作量に基づいて、障害物を回避するための操作支援が必要か否かを判定し、操作支援が必要であると判断した場合に、操作支援を行うようにした。これによって、最適なタイミングで操作支援を行うことができる。

（２）運転者の運転熟練度に基づいて、操作支援が必要か否かの判定基準となる閾値を変更するようにした。また、運転者の運転集中度に基づいて、操作支援が必要か否かの判定基準となる閾値を変更するようにした。これによって、運転熟練度や運転集中度に応じて操作支援を行う最適なタイミングが異なることを加味して、操作支援を行うタイミングを調整することができる。

（３）運転熟練度と車両の車両特性、または運転集中度と車両の車両特性を基準にして決定するようにした。これによって、装置の設計者は明確な基準に基づいて支援タイミングを設定することができる。

（４）自車前方の道路境界、自車前方の道路の曲率、および走行中の道路の路面摩擦係数に基づいて、予測操作量を予測するようにした。これによって、精度高く予測操作量を算出することができる。

（５）障害物の移動軌跡に基づいて予測操作量を予測するようにした。これによって、障害物が移動している場合でも精度高く予測操作量を算出することができる。

（６）予測操作量に基づいて自車が障害物を回避するために必要な制動量または操舵量を決定し、決定した制動量または操舵量を与えるようい、操作支援を行うようにした。これによって、障害物との衝突を回避するための適切な操作支援を行うことができる。

（７）操作支援が必要であると判断した場合には、操作支援を行うとともに、または操作支援に代えて、運転者に対して警告を与えるようにした。これによって、運転者は操作支援が必要なことを把握することができる。

―第２の実施の形態―
上述した第１の実施の形態では、カメラ１を車室内前方に２台取り付け、この２台のカメラ１で取得される画像に基づいて、自車前方の障害物等の位置情報の検出と道路境界の検出を行うって、車両前方に存在する障害物の回避支援を行う例について説明した。これに対して、第２の実施の形態では、図１０に示すように、自車走行路に隣接する車線の後側方を移動する周囲障害物を検知するために左後側方カメラ１２および右後側方カメラ１３をさらに設置する。これらのカメラは、周囲障害物の位置、速度を検知するために用いるため、カメラ１と同様にそれぞれステレオカメラの構成とする。なお、図１０における他の構成要素については、第１の実施の形態で上述した図１と同様のため、同じ符号を付与して説明を省略する。

図１１は、図１０に示した車両用運転操作支援装置１００を機能ブロック別にまとめて表現したブロック図である。第１の実施の形態における図２との相違点は、左後側方カメラ１２と右後側方カメラ１３とで構成される周囲障害物検出部２ｈを有している点である。その他は図２と同様であるため、同じ符号を付与して説明を省略する。

図３に示したフローチャートを用いて、本実施の形態における処理について説明する。ここでは、図１２に示す場面を想定した場合の処理について、第１の実施の形態との相違点を中心に説明する。図１２に示す場面は、二車線道路の左側を自車が走行中に自車走行路前方を移動する障害物（前方障害物３）が減速を行い、また、右側車線には自車後方を自車よりも速い速度で移動する障害物（周囲障害物４）が存在している場面である。

ステップＳ１において、マイクロプロセッサ５は、左後側方カメラ１２および右後側方カメラ１３の検出信号を含む各センサの検出信号を処理して、ステップ２へ進む。ステップＳ２では、マイクロプロセッサ５は、統一された座標系に、自車、前方障害物３、および周囲障害物４の位置情報をそれぞれ（ｘ，ｙ）、（ｘ_ｂ３，ｙ_ｂ３）、（ｘ_ｂ４，ｙ_ｂ４）として設定し、さらにそれぞれの速度情報をそれぞれν、ν_ｂ３、ν_ｂ４とする。なお、図１２に示す場面では、ν_ｂ３＜ν＜ν_ｂ４とする。

ステップＳ３では、自車操作予測部２ｃは、現状態ベクトルを第１の実施の形態と同様の方法で算出する。そして、ステップＳ４では、障害物移動軌跡予測部２ｃ−３は、次式（３４）により前方障害物３に対する移動軌跡予測を行い、同様に周囲障害物４に対しても次式（３５）により移動軌跡予測を行う。

ステップ５における評価関数設定では、評価すべき項目は第１の実施の形態と同じであり、評価項目１は検出障害物の数に合わせて次式（３６）により表される。

また、評価項目３は前方障害物３のＸ座標を基に設定する。ステップ６以降は第１の実施の形態と同様である。

以上説明した第２の実施の形態によれば、第１の実施の形態における作用効果に加えて、以下の効果を得ることができる。すなわち、自車の周囲を移動する障害物を考慮したうえで、自車走行路前方を移動する障害物を回避するための支援タイミングを決定することができる。

―第３の実施の形態―
第１および第２の実施の形態では、カメラ１によって自車走行路の境界線情報のみを検出し、直進路道路を想定して説明を行っていた。しかしながら、カーブ路のような複雑な形状をした道路で適用する場合は、カメラ１のみでは情報が不十分である。このため、第３の実施の形態では、図１３に示すように、ＧＰＳ信号受信装置１４および道路情報記録装置１５をさらに備え、カメラ１から取得する情報の他に、ＧＰＳ信号受信装置１４から受信したＧＰＳ信号をもとに算出した自車位置と、道路情報記録装置１５から得た道路地図情報とをマップマッチングした結果も加味して、自車前方の道路形状の情報を得るようにする。なお、図１３における他の構成要素については、第１の実施の形態で上述した図１と同様のため、同じ符号を付与して説明を省略する。

ＧＰＳ信号受信装置１４は、自車走行位置を検出するために人工衛星から発せられるＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）信号を受信するための受信機である。道路情報記録装置１５は、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、またはハードディスクといった記録媒体およびその読取装置で構成され、記録媒体に道路地図情報が格納されている。

図１４は、図１３に示した車両用運転操作支援装置１００を機能ブロック別にまとめて表現したブロック図である。この図１４に示すように、本実施の形態では、道路状態検出部２ｇは、カメラ１の他に、ＧＰＳ信号受信装置１４および道路情報記録装置１５を含んでいる。

図３に示したフローチャートを用いて、本実施の形態における処理について説明する。ここでは、図１５に示す場面を想定した場合の処理について、第１の実施の形態との相違点を中心に説明する。図１５に示す場面は、自車の走行する道路の前方が曲線を描いておりしており、この曲線部に差し掛かる位置に前方障害物５が停止している場面である。

ステップＳ１において、マイクロプロセッサ５は、第１の実施の形態と同様に各センサの検出信号を処理すると同時に、ＧＰＳ信号受信装置１４と道路情報記録装置１５から取得した情報に基づいてマップマッチングの処理を行い、自車の道路上の位置および道路形状に関する情報を取得する。その後、ステップＳ２では、マイクロプロセッサ５は、統一された座標系に直交座標系としてＸ、Ｙを設定する。本実施の形態では、これに加えて道路の中心線上に進行方向に沿ってＳ座標軸を設定し、そのＳ座標軸と直交するＲ座標軸を設定する。道路方向は、道路情報記録装置１５のデータから得ることができ、X―Y座標とS―R座標変換式は、それぞれ次式（３７）および（３８）のように表すことができる。

ステップＳ３では、自車操作予測部２ｃは、現状態ベクトルを第１の実施の形態と同様の方法で算出する。そして、ステップＳ４では、障害物移動軌跡予測部２ｃ−３は、ここでは、前方障害物５は静止していると見なしているので、移動軌跡予測は行わない。その後、ステップＳ５へ進み、評価関数設定部２ｃ−２は、評価関数の設定を行う。このとき、道路境界に近づきすぎないという評価項目２は、図１５のような道路曲線部分では道路の中心からの距離はＹ座標ではなくＲ座標で表されるので、第１の実施の形態で上述した式（２４）は、次式（３９）により表される。

ここで、ｒ_Ｌは道路中心から左側道路境界のＲ軸距離を表し、ｒ_Ｒは道路中心から右側道路境界のＲ軸距離を表す。また、Ｓ―Ｒ座標で表現された式（３９）の評価式をＸ―Ｙ座標に対応させるために式（３７）を使用する。その他の評価項目に関しては第１の実施の形態と同様である。また、ステップ６以降の処理は第１の実施の形態と同様である。

以上説明した第３の実施の形態によれば、第１の実施の形態における作用効果に加えて以下の効果を得ることができる。すなわち、自車の走行する道路形状を考慮した上で、自車走行路前方を移動する障害物を回避するための支援タイミングを決定することができる。

また、図１６に示す場面のような、自車の周囲に障害物は検出されていないが、前方に存在するカーブ路に自車が早いスピードで進入する場面に対しても、評価関数の設定を変更することで、道路をはみ出すことなく安全に走行できるような支援タイミングを決定することができる。

具体的には、マイクロプロセッサ５は、ステップＳ１で上述したように自車の道路上の位置および道路形状に関する情報を取得する。そして、マイクロプロセッサ５は、この道路情報から、評価開始時刻ｔ_０を基準として評価終了時刻ｔ_０＋Ｔまでに自車が到達することが予測される自車到達予測地点までの曲率半径の最小値ρ_ｍｉｎを算出し、評価関数設定部２ｃ−２は、ステップ５において以下に示す項目の評価を行う。
評価項目１´．道路境界に近づきすぎないようにする
評価項目２´．カーブ進入時の速度を安全な速度まで下げる。
評価項目３´．操舵角速度は必要以上に速くないほうが望ましい
評価項目４´．各輪の制動トルクは必要以上に出しすぎないほうが望ましい

評価項目１´は式（３９）、評価項目３´は、式（２６）、と評価項目４´は式（２７）によりそれぞれ算出できる。また、評価項目２´は、次式（４０）により算出する。

ここで、式（４０）のν^＊は、道路情報から算出されたρ_ｍｉｎと自車が安定して走行できる最大横加速度ａ_ｍａｘによって、次式（４１）に示すように決定される。

以上の評価項目１´〜４´を用いて、予測操作量を算出し、支援タイミングを決定することで、前方に障害物はないが早い速度でカーブ路に進入するような場面に対しても、路外逸脱を防止し、かつ安全な速度で進入できるようなタイミングで操作介入やドライバー警告を行うことができる。

―変形例―
なお、上述した実施の形態の車両用運転操作支援装置は、以下のように変形することもできる。
（１）上述した第１の実施の形態では、転舵角速度の閾値Ｔｈ_ｓおよび制動トルク和の閾値Ｔｈ_ｂの各閾値は、シミュレーション結果や実験結果などから予め決定しておくようにし、さらに運転熟練度や運転集中度に基づいて変更するようにした。しかしながら、まず、ドライバーの運転熟練度に応じて初期閾値を設定し、運転中のドライバーの運転集中度や運転状況を検出して変更するようにしてもよい。例えば、あらかじめドライバーごとに運転熟練度を設定し、マイクロプロセッサ内のメモリに記憶しておく。

具体的には、ドライバーごとに、運転座席のシートポジションをメモリ記憶しておき、各ドライバーの熟練度をシートポジションと対応付けて記憶しておく。そして、ドライバーが運転席に座り、走行を開始したときのシートポジションを検出して、そのシートポジションに対応した熟練度を読み込み、さらに、その熟練度に対応した初期閾値をメモリから読み込む。これによって、ドライバーの熟練度に応じた閾値を設定することができる。

（２）第１〜第３の実施の形態では、車両用運転操作支援装置１００を車両に搭載して用いる例について説明した。しかしながら、車両用運転操作支援装置１００を車両以外の移動体に搭載して用いることもできる。

なお、本発明の特徴的な機能を損なわない限り、本発明は、上述した実施の形態における構成に何ら限定されない。

特許請求の範囲の構成要素と実施の形態との対応関係について説明する。前方障害物検出部２ｂおよび周囲障害物検出部２ｄは障害物検出手段に、自車状態検出部２ａは自車状態検出手段に、自車操作予測部２ｃは予測手段に相当する。緊急回避判定部２ｄは回避判定手段に、制御・警告装置２ｆは運転支援手段に、マイクロプロセッサ５は運転者特性検出手段および運転集中度検出手段に相当する。道路状態検出部２ｇは道路状態検出手段に、障害物移動軌跡予測部２ｃ−３は障害物移動軌跡予測手段に、支援方法決定部２ｅは支援方法決定手段に相当する。なお、以上の説明はあくまでも一例であり、発明を解釈する際、上記の実施形態の記載事項と特許請求の範囲の記載事項の対応関係に何ら限定も拘束もされない。

第１の実施の形態における車両用運転操作支援装置の構成例を示す図である。 第１の実施の形態における機能ブロックの構成と接続関係を示す図である。 車両用運転操作支援装置の処理を示すフローチャート図である。 第１の実施の形態における処理の適用場面の具体例を示す第１の図である。 第１の実施の形態における座標系および自車状態量の定義図である。 第１の実施の形態における評価項目１および評価項目２のある時刻での関数形状の一例を示す図である。 第１の実施の形態における適用場面での支援タイミングを示す図である。 第１の実施の形態における支援量算出例を示す図である。 第１の実施の形態における処理の適用場面の具体例を示す第２の図である。 第２の実施の形態における車両用運転操作支援装置の構成例を示す図である。 第２の実施の形態における機能ブロックの構成と接続関係を示す図である。 第２の実施の形態における処理の適用場面の具体例を示す図である。 第３の実施の形態における車両用運転操作支援装置の構成例を示す図である。 第３の実施の形態における機能ブロックの構成と接続関係を示す図である。 第３の実施の形態における処理の適用場面の具体例を示す第１の図である。 第３の実施の形態における処理の適用場面の具体例を示す第２の図である。

符号の説明

１００ 車両用運転操作支援装置、１ カメラ、２ ロータリーエンコーダ、３ ヨーレートセンサ、４ 加速度センサ、５ マイクロプロセッサ、６ 操舵角センサ、７ 操舵用サーボモータ、８ 操舵角サーボコントローラ、９ ブレーキコントローラ、１０ ブレーキアクチュエータ、１１ 警報器、１２ 左後側方カメラ、１３ 右後側方カメラ、１４ ＧＰＳ信号受信装置、１５ 道路情報記録装置

Claims (10)

1. 自車の周囲に存在する障害物の位置を検出する障害物検出手段と、
   自車の走行路上の位置および自車の速度を検出する自車状態検出手段と、
   前記障害物検出手段で検出した前記障害物の位置と、前記自車状態検出手段で検出した前記自車の走行路上の位置および速度とに基づいて、自車が前記障害物を回避するために必要な操作量を時系列で予測する予測手段と、
   前記予測手段により予測された最大転舵角速度および最大制動トルク和のうち少なくともいずれか一方の予測値が所定の閾値を越えたとき、前記障害物を回避するための操作支援が必要であると判定する回避判定手段と、
   前記回避判定手段により前記操作支援が必要であると判定された場合に、前記操作支援を行う運転支援手段と、
   運転者の運転熟練度を検出する運転者特性検出手段とを備えた車両用運転操作支援装置であって、
   前記回避判定手段は、前記運転者特性検出手段で検出した前記運転者の運転熟練度に基づいて、前記操作支援が必要か否かの判定基準となる閾値を変更し、
   前記運転支援手段は、前記予測手段により予測された操作量と現在の操作量との差分値が予め設定されている不感帯範囲を越えた場合には、その差分値に応じて操作介入量を変化させていく、
   ことを特徴とする車両用運転操作支援装置。
2. 請求項１に記載の車両用運転操作支援装置において、
   運転者の運転集中度を検出する運転集中度検出手段をさらに備え、
   前記回避判定手段は、前記運転集中度検出手段で検出した運転者の運転集中度に基づいて、前記操作支援が必要か否かの判定基準となる閾値を変更することを特徴とする車両用運転操作支援装置。
3. 請求項１または２に記載の車両用運転操作支援装置において、
   前記運転者特性検出手段は、コーナリング時における操舵角速度のばらつきに基づいて運転熟練度を検出し、前記回避判定手段は、その検出結果に応じて転舵角速度の閾値を下げることを特徴とする車両用運転操作支援装置。
4. 請求項１から３のいずれか一項に記載の車両用運転操作支援装置において、
   前記回避判定手段は、前方車両の加減速動作に伴うドライバー操作の反応時間および／またはブレーキ踏み込み量に基づいて、制動トルク和の閾値を予め設定した閾値より下げる、ことを特徴とする車両用運転操作支援装置。
5. 請求項１〜４のいずれか一項に記載の車両用運転操作支援装置において、
   自車前方の道路境界、自車前方の道路の曲率、および走行中の道路の路面摩擦係数を検出する道路状態検出手段をさらに備え、
   前記予測手段は、前記道路状態検出手段で検出した前記自車前方の道路境界、前記自車前方の道路の曲率、および前記走行中の道路の路面摩擦係数に基づいて、前記操作量を予測することを特徴とする車両用運転操作支援装置。
6. 請求項１〜５のいずれか一項に記載の車両用運転操作支援装置において、
   前記障害物検出手段で検出した前記障害物の移動軌跡を予測する障害物移動軌跡予測手段をさらに備え、
   前記予測手段は、前記障害物移動軌跡予測手段で予測した前記障害物の移動軌跡に基づいて、操作量を予測することを特徴とする車両用運転操作支援装置。
7. 請求項１〜６のいずれか一項に記載の車両用運転操作支援装置において、
   前記予測手段で予測した前記予測操作量に基づいて、自車が前記障害物を回避するために必要な制動量または操舵量を決定する支援方法決定手段をさらに備え、
   前記運転支援手段は、前記支援方法決定手段で決定した制動量または操舵量を与えるように、前記操作支援を行うことを特徴とする車両用運転操作支援装置。
8. 請求項１〜７のいずれか一項に記載の車両用運転操作支援装置において、
   前記運転支援手段は、前記回避判定手段が前記操作支援が必要であると判断した場合に、前記操作支援を行うとともに、または前記操作支援に代えて、運転者に対して警告を与えることを特徴とする車両用運転操作支援装置。
9. 請求項１〜８のいずれか一項に記載の車両用運転操作支援装置において、
   前記運転者特性検出手段は、前記運転者のシートポジションに対応して前記運転熟練度を検出することを特徴とする車両用運転操作支援装置。
10. 自車の周囲に存在する障害物の位置を検出する障害物検出工程と、
    自車の走行路上の位置および自車の速度を検出する自車状態検出工程と、
    前記障害物検出工程において検出した前記障害物の位置と、前記自車状態検出工程において検出した前記自車の走行路上の位置および速度とに基づいて、自車が前記障害物を回避するために必要な操作量を時系列で予測する予測工程と、
    前記予測工程により予測された最大転舵角速度および最大制動トルク和のうち少なくともいずれか一方の予測値が所定の閾値を越えたとき、前記障害物を回避するための操作支援が必要であると判定する回避判定工程と、
    前記回避判定工程により前記操作支援が必要であると判定された場合に、前記操作支援を行う運転支援工程と、
    運転者の運転熟練度を検出する運転者特性検出工程とを備えた車両用運転操作支援方法であって、
    前記回避判定工程では、前記運転者特性検出工程で検出した前記運転者の運転熟練度に基づいて、前記操作支援が必要か否かの判定基準となる閾値を変更し、
    前記運転支援工程では、前記予測工程により予測された操作量と現在の操作量との差分値が予め設定されている不感帯範囲を越えた場合には、その差分値に応じて操作介入量を変化させていく、
    ことを特徴とする車両用運転操作支援方法。
    

Images