JP6773040B2 - 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 - Google Patents

Description

本開示は、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、並びにプログラムに関し、特に、自動車に代表される移動可能な装置の自動運転における安全性および快適性を向上できるようにした情報処理システム、および情報処理システムの情報処理方法、情報処理装置、並びにプログラムに関する。

GPS（Global Positioning System）などに代表される車載センサを用いて、運転者が操作することなく自動車等を運転させる、いわゆる自動運転技術が実現しつつある（例えば、特許文献１参照）。

特開２００８−２９０６８０号公報

ところで、自動車には、速度、加速度、および位置などを含む、各種の状況を監視するセンサが設けられており、自動運転においては、この各種のセンサにより検出された、時々刻々と変化する検出結果に基づいて、次の動作を決定している。

ところが、自動運転における動作には、渋滞を考慮した行程（ルート）や車線の選択といった、現在の位置情報、移動速度、周辺の混雑状況、および渋滞予測といった複数の検出結果を用いて動作の決定に処理時間が必要となるものもあれば、飛び出してきた歩行者や自動車との衝突を回避するといった動作の決定に処理時間を掛けられないものもある。

仮に、これらの動作の決定に必要とされる処理時間が異なる処理を並列して実行したとしても、求められた動作に競合が発生した場合については、いずれかの選択を誤ることで安全性を確保した自動運転を実現できなくなる恐れがあった。

また、安全性を確保しつつ、目的地に確実に移動する自動運転を実現できたとしても、必ずしも運転者（ユーザ）の嗜好に応じた運転は実現されず、快適な自動運転を実現することができない可能性があった。

すなわち、例えば、ブレーキが掛けられる際に、停止しようとする位置に対して、自らが運転しているときよりも早いタイミングであると感じたり、逆に、遅いタイミングであると感じる可能性があり、乗っているだけでストレスとなる恐れがある。このように、自動運転により安全に移動することはできるものの、乗っていてもストレスを感じることで、快適な運転を実現できない可能性があった。

本開示は、このような状況に鑑みてなされたものであり、特に、自動運転における移動時の安全性と快適性とを向上できるようにするものである。

本開示の第１の側面の情報処理システムは、運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、前記個人化関数を用いて、前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性を検証する検証部とを含む情報処理システムである。

前記学習部により学習された個人化関数を記憶する学習結果記憶部をさらに含ませるようにすることができ、前記移動装置の運転モードには、前記運転者により受け付けられた運転操作の入力に応じて動作する手動運転モードと、検出された前記移動装置の状態、および、前記検証部により前記安全性が検証された前記個人化関数に基づいて、前記運転者による運転操作を必要とせずに動作する自動運転モードとを含ませるようにすることができ、前記学習部には、前記手動運転モードにおいて、前記運転操作に係る前記運転操作情報と、検出された前記移動装置の状態とに基づいた、前記学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習させ、前記学習結果記憶部には、前記学習部の学習結果となる前記個人化関数を記憶させるようにすることができる。

前記検証部には、前記学習結果記憶部に記憶された前記個人化関数を用いて、前記自動運転モードで前記移動装置のシミュレーション走行を実行させ、前記シミュレーション走行の結果に基づく、前記個人化関数の安全性を検証させるようにすることができる。

前記検証部により前記安全性が検証された前記個人化関数を記憶する個人化関数記憶部と、前記学習結果記憶部に記憶された前記個人化関数のうち、前記検証部により前記安全性が検証された前記個人化関数を、前記個人化関数記憶部に記憶された前記個人化関数として更新する更新部とをさらに含ませるようにすることができる。

前記自動運転モードにおいて、検出された前記移動装置の状態、および、前記個人化関数記憶部に記憶されている、前記検証部により前記安全性が検証された前記個人化関数に基づいて、前記移動装置の動作を制御する動作制御部をさらに含ませるようにすることができる。

前記学習結果記憶部、および前記個人化関数記憶部には、前記個人化関数を前記運転者毎で記憶させるようにすることができる。

前記学習結果記憶部、および前記個人化関数記憶部には、前記個人化関数を前記運転者毎に個別で、かつ、前記運転者毎に設定される複数のモード毎に記憶させるようにすることができる。

前記動作制御部には、前記運転者を認証させ、前記学習部は、前記動作制御部により認証された運転者毎に、前記個人化関数を学習させ、前記学習結果記憶部に記憶させるようにすることができる。

前記動作制御部には、前記運転者を認証させ、前記認証された運転者の、前記検証部により前記安全性が検証された前記個人化関数が前記個人化関数記憶部より読み出され、検出された前記移動装置の状態、および、前記検証部により前記安全性が検証された前記個人化関数に基づいて、前記移動装置の動作を制御させるようにすることができる。

本開示の第１の側面の情報処理システムの情報処理方法は、運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習し、前記個人化関数を用いて、前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性を検証するステップを含む情報処理システムの情報処理方法である。

本開示の第１の側面のプログラムは、運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、前記個人化関数を用いて、前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性を検証する検証部としてコンピュータを機能させるプログラムである。

本開示の第１の側面においては、運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数が学習され、前記個人化関数が用いられて、前記移動装置のシミュレーション走行が実行され、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性が検証される。
本開示の第２の側面の情報処理装置は、運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、ネットワークを介して、外部の検証装置に、前記個人化関数を用いて、前記移動装置がシミュレーション走行された、前記シミュレーション走行の結果に基づいた、前記個人化関数の安全性を検証させるための前記個人化関数を通信する通信部とを含む情報処理装置である。
本開示の第２の側面においては、運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数が学習され、ネットワークを介して、外部の検証装置に、前記個人化関数を用いて、前記移動装置がシミュレーション走行された、前記シミュレーション走行の結果に基づいた、前記個人化関数の安全性を検証させるための前記個人化関数が通信される。
本開示の第３の側面の情報処理装置は、運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、前記個人化関数を用いて、前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性を検証する検証部とを含む情報処理装置である。
本開示の第３の側面においては、運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数が学習され、前記個人化関数が用いられて、前記移動装置のシミュレーション走行が実行され、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性が検証される。

本開示の一側面によれば、自動運転における移動時の安全性と快適性を向上させることが可能となる。

本開示を適用した運転制御装置の構成例を説明する図である。 図１の運転制御装置による運転制御処理を説明するフローチャートである。 運転者の認証に使用する表示画像を説明する図である。 図２の自動運転処理を説明するフローチャートである。 図４の熟考動作決定処理を説明するフローチャートである。 図４の競合解決処理を説明するフローチャートである。 図４の競合解決処理を説明するフローチャートである。 反射動作と熟考動作とで競合が発生したことを示す表示を説明する図である。 図６の運転者介入解決処理を説明するフローチャートである。 運転者介入解決処理における選択肢を提示する例を説明する図である。 運転者介入解決処理におけるスライドバーを提示する例を説明する図である。 競合の発生を抑制する例を説明する図である。 図２の手動運転処理を説明するフローチャートである。 図２の個人化関数更新処理を説明するフローチャートである。 本開示を適用した検証装置の構成例を説明する図である。 チェックポイントを説明する図である。 図１５の検証装置による検証処理を説明するフローチャートである。 本開示を適用した検証装置の第１の変形例を説明する図である。 本開示を適用した運転制御装置の第１の変形例を説明する図である。 図１８の検証装置による検証処理を説明するフローチャートである。 図１９の運転制御装置による個人化関数更新処理を説明するフローチャートである。 本開示を適用した検証装置の第２の変形例を説明する図である。 本開示を適用した運転制御装置の第２の変形例を説明する図である。 図２２の検証装置による検証処理を説明するフローチャートである。 図２３の運転制御装置による個人化関数更新処理を説明するフローチャートである。 車外情報検出部及び撮像部の設置位置の一例を示す説明図である。 従来の受信機の受信動作部における低消費電力動作を説明する図である。 汎用のパーソナルコンピュータの構成例を説明する図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、以下の順序で説明を行う。
１．本開示の実施の形態
２．第１の変形例
３．第２の変形例
４．第１の応用例
５．第２の応用例

＜＜１．本開示の実施の形態＞＞
＜運転制御装置の構成例＞
図１は、本開示を適用した自動車の運転制御装置の一実施の形態の構成例を示すブロック図である。

図１の運転制御装置は、自動車に搭載され、自動車の運転を制御する装置である。尚、図１の運転制御装置は、自動車の運転を制御する装置であることを例にして説明するものであるが、自動車以外の航空機や船舶など、運転者（操縦者を含む）が運転（操縦）することで動作する乗物等であれば、その他のものにおいても適用することができるものである。

図１の運転制御装置１１は、自動車の運転を制御するものであるが、運転モードが２種類あり、第１のモードは、運転者がステアリングやブレーキを操作して自動車を運転させる手動運転モードであり、第２のモードは、運転者が運転操作に介入することなく、自動車を自動的に運転させる自動運転モードである。

この運転モードは、ユーザにより選択的に設定することが可能であり、運転制御装置１１は、設定された運転モードで自動車の運転を制御する。

より詳細には、手動運転モードの場合、運転制御装置１１は、運転者の操作部３１の操作内容、例えば、ステアリング、およびブレーキを操作する際の操作内容（舵角、踏力など）と、外界１２や自動車の車体の挙動に連動する各種センサからなる検出部３４の検出結果に基づいて、運転者毎の運転の癖や習慣などが反映された個人化関数を学習により生成して運転が終了した際に更新する。

一方、自動運転モードの場合、運転制御装置１１は、外界１２や自動車の車体を動作させる複数の機器からなる車体動作部３３を制御し、外界１２や自動車の車体の挙動に連動する各種センサからなる検出部３４の検出結果を取得し、取得した検出結果に基づいて、自動運転を実現させるために、車体動作部３３を構成する各機器の動作を決定する。

さらに、運転制御装置１１は、自動運転モードにおいて、各種センサからなる検出部３４の検出結果に基づいて、車体動作部３３を構成する各機器の動作を決定すると、学習により得られた個人化関数により運転動作に補正を加えて、車体動作部３３を構成する各種の機器を動作させることにより、運転者の癖や習慣に対応した自動運転を実現する。

より詳細には、自動運転モードの場合、運転制御装置１１は、検出部３４の検出結果に基づいて、熟考動作と反射動作との２種類の動作を求め、求められた２種類の動作に基づいて、最終的な自動運転の動作を決定する。

ここで、熟考動作とは、検出部３４の検出結果を利用して、詳細な処理により、比較的処理時間が掛かるものの、十分に高い精度で決定される動作である。熟考動作は、ごく短時間での動作が必要とされない場合に用いられる。

また、反射動作とは、検出部３４の検出結果を利用するが、熟考動作を決定するための処理よりも比較的簡易な処理により、処理時間が掛からず、高速に決定される動作である。反射動作は、主に、ごく短時間での動作が必要な場合に用いられる。

運転制御装置１１は、この熟考動作と反射動作とを利用して、自動運転を実現させるための車体動作部３３を構成する各種の機器の動作内容を決定する。

より詳細には、運転制御装置１１は、自動運転制御ブロック２１、個人化ブロック２２、操作部３１、手動運転制御部３２、車体動作部３３、検出部３４、および表示部３５を備えている。

自動運転制御ブロック２１は、検出部３４により検出される各種の検出結果と、個人化関数とにより、自動運転モードにおける車体動作部３３を構成する各種の機器の動作を制御する。

これに対して、手動運転制御部３２は、ステアリングやブレーキといった運転者が車体を動作させるための各機器を操作するときの操作信号に応じて、手動運転モードにおける車体動作部３３を構成する各種の機器の動作を制御する。

個人化ブロック２２は、手動運転モードにおける運転者により操作される操作部３１の操作内容と、車体動作部３３を構成する各種の構成機器の動作に応じて検出される検出部３４の検出結果とから、運転者の個人化関数を学習により求めて、自動運転モードの際に供給する。個人化関数は、運転者の運転動作における個人的な癖や習慣を反映させるものである。したがって、自動運転モードにおいて決定される車体動作部３３を構成する各種機器の動作が、個人化関数が利用されて補正されることにより、自動運転モードにおける運転動作を、運転者毎の癖や習慣を反映させてカスタマイズさせることが可能となり、自動運転における快適さを向上させることが可能となる。

操作部３１は、ステアリング、ブレーキペダル、およびアクセルペダルといった運転に係る各種の操作装置に加えて、その他、ウィンカー、ワイパー、ウィンドウォッシャ、ホーン、ライト、インストルメントパネル等、運転制御装置１１が搭載される自動車の車体を構成する各種機器の操作に係る操作装置、並びに、手動運転モード、および自動運転モードを切り替える操作装置等、ユーザたる運転者が自動車内で操作することができるもののほぼ全ての操作に応じた操作信号を発生し、個人化ブロック２２、および手動運転制御部３２に供給する。

手動運転制御部３２は、操作部３１より供給されてくる操作信号に基づいて、車体動作部３３に、各種の動作を指示するコマンドを供給し、車体動作部３３を構成する自動車の車体を動作させる各種の機器を動作させる。

車体動作部３３は、自動車の車体を動作させる具体的な機器群からなるものであり、例えば、操舵輪、ブレーキ、およびエンジンなどの自動車の車体を動作させる各種の機器群である。

検出部３４は、運転制御装置１１が搭載される自動車の車体の動作に係る各種の状態を検出するセンサ群であり、例えば、自動車の位置を検出するGPS（Global Positioning System）、操舵輪の舵角、速度、３次元加速度センサ、ヨー・ロール・ピッチセンサ、カメラ（イメージセンサ）（ステレオカメラセンサ等含む）、雨滴検出センサ、濃霧センサ、照度センサ、気圧センサ、タイヤ気圧センサ、ミリ波レーダ（ミリ波センサ）、赤外線センサ、ビーコンセンサ、並びに、各種機器の温度および圧力センサ等などからなり、検出結果を自動運転制御ブロック２１、および個人化ブロック２２に供給する。

表示部３５は、例えば、インストルメントパネルに設けられるLCD（Liquid Crystal Display）などからなる表示装置であり、現在の運転モードが自動運転モード、および手動運転モードのいずれであるか、または、自動運転モードや手動運転モードにおける各種の情報を表示する。表示部３５は、操作部３１と一体化した構造として、例えば、タッチパネルとして機能するようにしてもよく、このような構成とすることで、例えば、自動運転モード、および手動運転モードを切り替えるための操作ボタンなどを表示させて、タッチ操作により入力を受け付けて切り替えられるようにしてもよい。

自動運転制御ブロック２１は、自動運転モードにおける自動車の車体動作部３３の各種の機器の動作を決定するブロックである。より詳細には、自動運転制御ブロック２１は、反射動作決定部５１、熟考動作決定部５２、自動運転制御部５３、および個人化関数記憶部５４より構成されている。

反射動作決定部５１は、検出部３４の検出結果に基づいて、後述する熟考動作決定部５２における処理と比較して、簡易な処理により自動運転モードにおける車体動作部３３を構成する各種の機器の動作を決定し、決定した動作に対応するコマンドを自動運転制御部５３に供給する。

反射動作決定部５１は、例えば、ミリ波レーダ等により前方の自動車との距離が所定の距離よりも短く、かつ、所定の速度より高速であるような場合、衝突の恐れがあるものと判断し、緊急回避行動をとるためのステアリング操作や、自動ブレーキ等、いわゆるプリクラッシュセーフティ装置を動作させるための動作などを決定する。そして、反射動作決定部５１は、運転者毎に運転者の運転の癖や習慣が反映されて設定されている個人化関数を個人化関数記憶部５４より読み出して、反射動作に対応するコマンドに、運転者の嗜好を反映した補正を加えて自動運転制御部５３に供給する。

すなわち、反射動作は、極短時間で判断される必要のある、緊急性の高い動作を多く含むものである。このため、反射動作は、検出結果に対して、ある程度、予め決められた動作を多く含むようにしてもよく、このようにすることで、より極短時間での反応が可能な動作を決定することが可能となる。以降においては、この反射動作決定部５１により決定される動作を、単に、反射動作と称するものとする。

熟考動作決定部５２は、検出部３４の検出結果に基づいて、反射動作決定部５１における処理と比較して、詳細な処理を行って自動運転モードにおける車体動作部３３を構成する各種の機器の動作を決定し、対応するコマンドを自動運転制御部５３に供給する。そして、熟考動作決定部５２は、運転者毎に運転者の運転の癖や習慣が反映されて設定されている個人化関数を個人化関数記憶部５４より読み出して、熟考動作に対応するコマンドに、運転者の嗜好を反映した補正を加えて自動運転制御部５３に供給する。

このように運転者の嗜好が反射動作、および熟考動作のそれぞれに反映されることにより、運転者毎に自動運転モードにおける快適性を向上させることが可能となる。

熟考動作決定部５２は、例えば、狭い道路で対向車とすれ違う際のステアリング操作を制御する動作を決定するものであり、対向車と自車との時々刻々と変わる車間距離や、複数回数のステアリング操作に応じた車体の動きを推定し、推定結果に応じた動作などの比較的処理に時間が掛かる動作を決定する。以降においては、この熟考動作決定部５２により決定される動作を、単に、熟考動作と称するものとする。

自動運転制御部５３は、反射動作決定部５１より供給されてくる反射動作のコマンドと、熟考動作決定部５２により決定される熟考動作のコマンドとに基づいて、自動運転モードにおける車体動作部３３の動作を決定し、対応するコマンドを車体動作部３３に供給する。

反射動作決定部５１は、一般に、熟考動作決定部５２において熟考動作を決定するまでの処理時間よりも、より短時間で反射動作を決定することができる。ただし、検出部３４から得られる検出結果の条件に応じて、熟考動作が決定されるまでの処理時間の方が、反射動作が決定されるまでの処理時間よりも短いこともあり、また、略同時であることもある。

さらに、自動運転制御部５３は、反射動作と熟考動作とに基づいて、一般的には、相互の処理結果が一致していることを前提として、動作を決定し、対応する動作信号を車体動作部３３に供給する。

しかしながら、反射動作と熟考動作とは、検出結果に応じて、競合することがあるため、以下のような複数の解決モードのうち、設定された解決モードにより自動運転の動作を決定する。

すなわち、解決モードには、熟考動作または反射動作のいずれかを優先する第１の解決モード、先着優先、または、後着置き換える第２の解決モード、優先度または確信度の高い方を優先する第３の解決モード、両者の動作を利用した重付平均とするか、または多数決とする第４の解決モード、双方が反対している事実を入力に加えて、双方で再計算する第５の解決モード、コマンド自体の優先度を優先する第６の解決モード、並びに、どちらも出さず停止させるか、現状を継続させる第７の解決モードの７種類がある。さらに、運転者の判断を介入させることで解決を図る第８の解決モードを含めて８種類の解決モードがある。尚、ここで挙げられた８種類の解決モードは、一例に過ぎず、さらに、その他の解決モードを設定するようにしてもよい。

上述した８種類の解決モードのうち、いずれの解決モードにより競合を解決するのかについては、操作部３１により予め設定することが可能である。したがって、自動運転制御部５３は、解決モードの設定内容を記憶し、記憶されている解決モードにしたがって、熟考動作、および反射動作を利用して自動運転モードにおける車体動作部３３の動作を決定し、車体動作部３３に供給する。

熟考動作決定部５２は、環境認識部７１、ローカルマップ処理部７２、グローバルマップ処理部７３、経路計画部７４、および行動計画部７５を備えている。

環境認識部７１は、自車の環境を認識し、認識結果としての環境情報を生成し、ローカルマップ処理部７２に供給する。ここでいう自車の環境情報とは、ローカルマップ処理部７２およびグローバルマップ処理部７３において必要とされる情報であり、例えば、地球上の位置（地図上で経路として設定されたルート上の位置）を示すGPS情報や、走行している道路上での車線、路面状況などを認識するためのイメージセンサなどにより撮像された画像などである。また、環境情報は、自車の走行速度、天候、交通情報等を含むビーコン情報といった周囲の環境情報や渋滞情報等をも含む。

ローカルマップ処理部７２は、検出結果に基づいて抽出された環境情報より、走行中の道路上の車線の位置、走行速度、詳細な道路の形状、標識、信号等などの、ローカルマップに基づいた車体周辺であって狭域の情報をローカル情報として抽出し、行動計画部７５に供給する。また、ローカルマップ処理部７２は、環境情報をグローバルマップ処理部７３に供給する。

グローバルマップ処理部７３は、出発地から目的地までのルート上における渋滞状況や事故情報、並びに渋滞予測といった交通情報など、環境情報に含まれる、ビーコン情報やGPS情報などのグローバルマップに基づいた車体周辺であって広域の情報をグローバル情報として抽出し、経路計画部７４に供給する。

すなわち、ローカル情報は、ローカルマップ（車体から比較的近距離の範囲の地図情報）に基づいた自動車の車体周辺に関する比較的狭い範囲の情報である。これに対して、グローバル情報は、グローバルマップ（車体から比較的遠距離の範囲の地図情報）に基づいた自動車の車体周辺であって、これから走行するルート上に関する比較的広い範囲の情報である。

経路計画部７４は、グローバルマップ処理部７３より供給されてくるグローバル情報に基づいて、自車の走行経路を計画し、経路計画情報として行動計画部７５に供給する。

行動計画部７５は、ローカル情報と経路計画情報とに基づいて、車体動作部３３を動作させるための行動を計画し、熟考動作として対応するコマンドを自動運転制御部５３に供給する。より具体的には、行動計画部７５は、例えば、ローカル情報である、詳細な道の形状、走行中の車線の情報と、グローバル情報により求められた経路の情報に基づいて、次に、右折する、または、左折するといった経路と、現在の走行車線との関係から車線を変更させる必要がある場合、車線を変更させるために必要なステアリングの舵角、ブレーキタイミング、アクセル開度等を熟考動作として決定し、対応するコマンドを自動運転制御部５３に供給する。

個人化ブロック２２は、個人化関数学習部９１、学習結果記憶部８２、学習結果検証部９３、検証結果判定部９４、および個人化関数更新部９５を備えている。

個人化関数学習部９１は、手動運転モードにおける、操作部３１より供給されてくる操作信号、および検出部３４より供給されてくる各種の検出結果に基づいて、運転者毎の個人化関数を学習により求めて、学習結果記憶部９２に記憶させる。すなわち、個人化関数学習部９１は、運転者が、手動運転モードで操作部３１を実際に操作して運転する際の操作信号と、その際の検出部３４の検出結果に基づいて、運転者の運転に係る癖や習慣などを反映した個人化関数を学習により求めるものである。したがって、手動運転モードによる運転時間の長さに応じて、学習時間が長くなることにより、個人化関数は、各運転者の癖や習慣を強く反映させるものとすることができる。

また、個人化関数学習部９１は、同一の運転者に対して複数の個人化関数を設定するようにしてもよい。すなわち、運転者の運転動作は、常に一定ではなく、体調や精神状態などにより変化するものである。

このため、求められる個人化関数を運転者の気分毎に、同一運転者に対して複数の運転モード毎の個人化関数として設定することができる。

例えば、ブレーキやアクセルの操作がゆったり目の操作信号から求められる「ゆったり安全」といった運転をするときの個人化関数を第１のモードとすることができる。また、ブレーキ操作が短距離で停止させるような操作信号や、アクセルのオンオフが激しく繰り返されるような操作信号から求められる「キビキビ行動」といった運転をするときの個人化関数を第２のモードとすることができる。そして、この「ゆったり安全」と「キビキビ行動」のそれぞれのパラメータの平均値や重付平均値などから得られる第３の個人化関数を第３のモードとすることができる。

このように同一の運転者に対しても複数の個人化関数を、手動運転モードにおける運転者の気分に合わせて設定することで、運転者のその時の気分に応じて自動運転の動作を切り替えることが可能となり、より快適な自動運転を実現することが可能となる。尚、この個人化関数における運転者毎の気分に応じたモードをユーザモードと称するものとする。したがって、個人化関数は、手動運転モードにおいて、運転者毎に、かつ、ユーザモード毎に学習させることが可能であり、自動運転モードにおいても、運転者毎に、かつ、ユーザモード毎に、対応する補正を加えることが可能となる。

学習結果検証部９３は、運転が終了したときなどに、学習結果記憶部９２に記憶されている学習結果である個人化関数を読み出し、インターネットに代表されるネットワークを介して外部の検証装置１３に供給し、個人化関数の検証を要求し、検証結果を取得する。

検証装置１３は、例えば、クラウドコンピューティングにより実現される装置であり、運転制御装置１１より個人化関数の検証の依頼があるとき、個人化関数を取得して、シミュレーションにより仮想的に個人化関数を用いた自動運転を実現することで、安全性を検証し、検証結果を運転制御装置１１に供給する。より詳細には、検証装置１３は、仮想的に自動運転制御部５３が決定するコマンドに個人化関数による補正を加えて、車体動作部３３を動作させた場合のシミュレーションを所定時間だけ繰り返すことで、個人化関数を利用した時の自動運転を再現して、このときの走行情報を検証結果として記録し、運転制御装置１１に供給する。尚、検証装置１３の詳細な構成については、図１５を参照して後述する。

検証結果判定部９４は、個人化関数を用いたシミュレーション結果である検証結果を検証装置１３より取得すると、例えば、シミュレーション中に、想定した危機回避行動などが十分にとれており、事故等が発生していないか等により、個人化関数の安全が保障されたものであるか否かを検証する。そして、検証結果判定部９４は、検証装置１３の検証結果を判定し、判定結果を個人化関数更新部９５に供給する。

個人化関数更新部９５は、検証結果に対する判定結果が、個人化関数による補正をコマンドに施しても事故等が発生することのない安全なものであるとみなされるとき、学習結果記憶部９２に記憶されている、検証装置１３により安全が保障された個人化関数を読み出して、個人化関数記憶部５４に記憶されている個人化関数を更新する。

このような一連の処理により、ユーザの嗜好を反映させて、かつ、安全性を確保した個人化関数により、車体動作部３３に対する各種のコマンドを補正して、自動運転モードにおける運転制御処理を実現させることができる。結果として、自動運転モードにおいて、安全で、かつ、快適な自動運転を実現することが可能となる。尚、検証装置１３に供給した個人化関数が、検証結果に問題があった場合、検証装置１３より、さらに、問題が発生した場合のデータの供給を受けて、個人化関数学習部９１にフィードバックさせて、再学習に利用させるようにしてもよい。

＜運転制御処理＞
次に、図２のフローチャートを参照して、図１の運転制御装置１１における運転制御処理について説明する。尚、通常、運転モードは、自動運転モード、または、手動運転モードのいずれかに設定されているが、ここでは、デフォルトで手動運転モードが設定されているものとし、運転が開始された後、自動運転モードにも切り替えられるものとする。また、デフォルトの運転モードは、自動運転モード、および、手動運転モードのいずれであってもよく、自由に設定できるようにしてもよい。

ステップＳ１１において、手動運転制御部３２は、操作部３１が操作されて、運転が開始されたか否かを判定し、開始されるまで、同様の処理を繰り返す。すなわち、この場合、例えば、エンジンを始動させたり、運転動作を可能とさせるためのスタートボタンなどからなる操作部３１が操作されたか否かに基づいて、運転が開始されたか否かが判定されるようにしてもよい。ステップＳ１１において、運転が開始されたと判定された場合、処理は、ステップＳ１２に進む。

ステップＳ１２において、手動運転制御部３２は、運転者を認証する。例えば、手動運転制御部３２は、図３の左部で示されるような運転者を特定する情報の入力を促すような表示画像を表示部３５に表示し、操作入力を受け付けて受け付けた操作内容に応じて運転者を特定する。

尚、図３の左部においては、表示部３５が、操作部３１と一体となったタッチパネルであることを想定したときに表示される表示画像の例が示されており、最上段に「運転者の確認」と表示され、その下に左から、操作ボタン１０１−１乃至１０１−３が表示されており、それぞれ対応する位置に、予め登録されている運転者の名前として「太郎」、「花子」、および「次郎」がそれぞれ表示されている。そして、図３の左部においては、操作ボタン１０１−３が操作されて、「次郎」が選択されていることを示すコラム１０２が表示されている。したがって、この場合、手動運転制御部３２は、運転者が「次郎」であることを認識する。また、新たなユーザである場合については、別途、登録画像を表示して、登録を促すようにしてもよい。

また、運転者の特定は、車内を撮像するカメラなどにより顔画像認証で実現するようにしてもよいし、指紋認証、掌認証、静脈認証、網膜認証、および声紋認証など、運転者が特定可能であれば、他の認証方法であってもよいものである。

ステップＳ１３において、手動運転制御部３２は、ユーザモードを設定する。すなわち、例えば、手動運転制御部３２は、図３の右部で示されるような運転者の気分に応じて設定された個人化関数のモードであるユーザモードを表示し、いずれかの選択を促す画像を表示し、操作入力を受け付けて受け付けた操作内容に応じてユーザモードを特定する。

すなわち、図３の右部においては、最上段に「次郎さんの今日の運転」と表示され、その下に、選択可能なユーザモードが表示されており、左からボタン１０５−１乃至１０５−３が表示され、対応する位置にそれぞれの対応するユーザモードとして、「ゆったり安全」、「バランス」、および「キビキビ行動」が表示されている。そして、図３の右部においては、ボタン１０５−３が操作されて、「キビキビ行動」が選択されていることを示すコラム１０６が表示されている。このような場合、手動運転制御部３２は、ユーザモードが「キビキビ行動」であることを認識する。

尚、ユーザモードについても、タッチパネル以外の手段により設定するようにしてもよく、例えば、音声入力などで設定するようにしてもよいし、物理的なボタンやスイッチで選択できるようにしてもよい。また、新規のユーザモードを設定できるようにしてもよく、この場合、新規のユーザモードの登録を促す画像を表示するようにしてもよい。

ステップＳ１４において、手動運転制御部３２は、自動運転モードにおいて、熟考動作と反射動作とが競合した際に、競合を解決するための解決モードの設定を促す画像を表示し、設定された解決モードを自動運転制御部５３に記憶させる。

すなわち、熟考動作または反射動作のいずれかを優先する第１の解決モード、先着優先、または、後着置き換える第２の解決モード、優先度または確信度の高い方を優先する第３の第１の解決モード、両者の重付平均とするか、または多数決とする第４の解決モード、双方が反対している事実を入力に加えて、双方で再計算する第５の解決モード、コマンド自体の優先度を優先する第６の解決モード、並びに、どちらも出さず停止させるか、現状を継続させる第７の解決モード、または、運転者の介入を受け付けて解決させる第８のモードの８種類の解決モードのいずれとするか、並びに、各解決モードのうち選択肢があれば、そのいずれとするかが設定される。

この処理は、具体的には、例えば、図３の右部と同様に、第１の解決モード乃至第８の解決モードのいずれか、並びに、各解決モードで、さらに、選択肢が存在する解決モードについては、そのいずれとするかを選択する選択ボタンを設けた画像が表示されるようにして、いずれか押下された解決モードが設定されるようにしてもよい。また、物理的に常に解決モードを選択できる選択ボタンを操作部３１に設けるようにしてもよいし、常に、いずれかの解決モードに固定的に設定されるようにしてもよい。

選択肢が存在する解決モードとは、例えば、第１の解決モードである。すなわち、第１の解決モードは、熟考動作または反射動作のいずれかを優先するモードであるので、熟考動作、または、反射動作のいずれか優先すべき項目が選択肢とされることになる。このため、第１の解決モードが選択される場合については、併せて、熟考動作、または、反射動作のいずれかの選択肢も設定される必要がある。したがって、第５，第６、および第８以外の解決モードにおいては、同様に選択肢も設定される必要がある。

尚、このステップＳ１４の解決モードの選択処理は、一度設定された後は、必ず必要とされる処理ではないので、運転者からの要求があった場合にのみ実行される処理とするようにしてもよい。また、デフォルトとして、いずれかの解決モードが設定されているようにしてもよい。さらに、物理ボタンが設けられるような場合については、どのようなタイミングにおいても、物理ボタンが操作されたタイミングにおいて、直ちに設定が変更されるようにしてもよい。

ステップＳ１５において、手動運転制御部３２は、運転モードが自動運転モードであるか否かを判定する。自動運転モードおよび手動運転モードのいずれかである運転モードは、例えば、表示部３５上に切替スイッチ（図示せず）などが常に表示される状態とし、切替スイッチが操作されるなどして、切替操作がなされたか否かにより、運転モードが切り替えられたか否かを判定するようにしてもよい。

また、物理的な操作スイッチやボタン（いずれも図示せず）を設けるようにして、切り替えられるようにしてもよい。ステップＳ１５において、例えば、切替操作がなされて、デフォルトである手動運転モードから自動運転モードにされたとみなされた場合、処理は、ステップＳ１６に進み、自動運転処理が実行される。この場合、制御主体は、手動運転制御部３２から自動運転制御部５３に切り替えられ、自動運転制御部５３が自動運転処理を実行する。

一方、ステップＳ１５において、デフォルトのまま、自動運転モードではなく、手動運転モードであった場合については、処理は、ステップＳ１７に進み、手動運転処理が実行される。この場合、制御主体は、手動運転制御部３２のままであり、手動運転処理を実行する。

また、これまでの処理が自動運転処理であった場合、ステップＳ１５の処理により、手動運転モードに切り替えられた場合については、処理は、ステップＳ１７において、手動運転処理が実行される。この場合、制御主体は、自動運転制御部５３から手動運転制御部３２に切り替えられて、手動運転処理が実行される。

尚、以降においては、特に断りがない場合、デフォルトの手動運転モードであるものとして、すなわち、制御主体が手動運転制御部３２であるものとして説明を進めるものとする。ただし、自動運転モードによる処理がなされている場合については、制御主体は、自動運転制御部５３となり、図２のフローチャートにおいて説明される処理については、手動運転制御部３２と同様の処理を実行するものとする。また、自動運転処理および手動運転処理については、詳細を後述するものとする。

ステップＳ１８において、手動運転制御部３２は、操作部３１が操作されて、運転が終了となる操作がなされたか否かを判定する。ステップＳ１８において、運転を終了させる操作がなされていない場合、処理は、ステップＳ１９に進む。

ステップＳ１９において、手動運転制御部３２は、運転者が変更したか否かを判定する。例えば、手動運転制御部３２は、操作部３１が操作されて、運転者の変更が申請されるような操作がなされたか否かを判定する。ステップＳ１９において、例えば、運転者の変更があった場合、処理は、ステップＳ１２に戻る。すなわち、変更された運転者に対してステップＳ１２乃至Ｓ１４の処理により、運転者の認証処理、ユーザモードの設定、および解決モードの設定がなされ、以降の処理が実行される。

一方、ステップＳ１９において、運転者の変更がない場合、処理は、ステップＳ１５に戻る。すなわち、ステップＳ１２乃至Ｓ１４の処理がスキップされる。

ステップＳ１８において、運転終了の操作がなされたとみなされた場合、処理は、ステップＳ２０に進む。

ステップＳ２０において、個人化ブロック２２は、個人化関数更新処理を実行し、手動運転により学習された個人化関数を検証し、検証結果に応じて個人化関数を更新する。尚、個人化関数更新処理については、詳細を後述するものとする。

以上の処理により、自動運転モードと手動運転モードとを切り替えた運転制御を実現することが可能となり、また、後述する手動運転モードにおいて学習された個人化関数を学習により生成し、さらに、更新することが可能となる。

＜自動運転処理＞
次に、図４のフローチャートを参照して、図１の運転制御装置１１による自動運転処理について説明する。

ステップＳ３１において、検出部３４は、各種センサ群により検出される複数の検出結果の全てを自動運転制御ブロック２１、および個人化ブロック２２に供給する。

ステップＳ３２において、反射動作決定部５１は、検出結果（または、検出結果の一部の結果）に基づいて、反射動作を決定する。

ステップＳ３３において、反射動作決定部５１は、個人化関数記憶部５４に記憶されている個人化関数のうち、認証された運転者のものであって、現在設定されているユーザモードに対応する個人化関数を読み出し、反射動作として決定された動作を、読み出した個人化関数で補正する。

ステップＳ３４において、熟考動作決定部５２は、熟考動作決定処理を実行して熟考動作を決定する。

＜熟考動作決定処理＞
ここで、図５のフローチャートを参照して、熟考動作決定処理について説明する。

ステップＳ５１において、環境認識部７１は、検出部３４より供給されてくる検出結果に基づいて、環境情報を抽出し、ローカルマップ処理部７２に供給する。

ステップＳ５２において、ローカルマップ処理部７２は、環境情報より自車の周辺の情報からなるローカル情報を抽出して行動計画部７５に供給する。また、ローカルマップ処理部７２は、環境情報をグローバルマップ処理部７３に供給する。

ステップＳ５３において、グローバルマップ処理部７３は、環境情報より、自車がこれから走行する経路周辺のマップ情報や経路上の交通情報などを含むグローバル情報を抽出して、経路計画部７４に供給する。

ステップＳ５４において、経路計画部７４は、グローバルマップ処理部７３より供給されてくるグローバル情報に基づいて、自車の走行経路を計画し、経路計画として行動計画部７５に供給する。すなわち、経路計画部７４は、例えば、交通情報に基づいて、現在位置から目的地までの経路を探索し、経路上に渋滞が存在するような場合、渋滞を回避して目的に到達する経路を探索することで、経路を計画する。

ステップＳ５５において、行動計画部７５は、ローカル情報と経路計画とに基づいて、車体動作部３３を動作せるための行動を計画し、計画結果を熟考動作とし、対応するコマンドを自動運転制御部５３に供給する。すなわち、行動計画部７５は、例えば、ローカル情報である、詳細な道の形状、走行中の車線の情報と、グローバル情報により求められた経路の情報に基づいて、次に、右折する、または、左折するといった経路と、現在の走行車線との関係から車線を変更させる必要がある場合、車線を変更させるためのステアリングの舵角、ブレーキタイミング、アクセル開度等を熟考動作として決定し、対応するコマンドを自動運転制御部５３に供給する。

以上の処理により、検出結果から環境情報が求められ、環境情報からローカル情報とグローバル情報が求められ、グローバル情報から経路が設定され、設定された経路とローカル情報とから熟考動作が求められる。

ここで、図４のフローチャートの説明に戻る。

ステップＳ３５において、熟考動作決定部５２の行動計画部７５は、個人化関数記憶部５４に記憶されている個人化関数のうち、認証された運転者のものであって、現在設定されているユーザモードに対応する個人化関数を読み出し、熟考動作として決定された動作を、読み出した個人化関数で補正する。

ステップＳ３６において、自動運転制御部５３は、熟考動作と反射動作とが一致せず、競合が発生しているか否かを判定する。ステップＳ３４において、競合が発生していると判定された場合、処理は、ステップＳ３５に進む。

ステップＳ３７において、自動運転制御部５３は、競合解決処理を実行して、熟考動作と反射動作との競合を解決させて、車体動作部３３が実行すべき動作を決定して、決定した動作に対応するコマンドを車体動作部３３に供給する。尚、競合解決処理については、図６，図７を参照して、詳細を後述する。

尚、ステップＳ３６において、競合が発生していないとみなされた場合、ステップＳ３７の処理はスキップされる。

そして、ステップＳ３８において、自動運転制御部５３は、車体動作部３３が実行すべき動作に対応するコマンドを車体動作部３３に供給する。すなわち、自動運転制御部５３は、反射動作と熟考動作とが一致した場合、その一致した動作に対応するコマンドを車体動作部３３に供給し、反射動作と熟考動作とが一致せず、競合した場合、競合解決処理により決定された動作に対応するコマンドを車体動作部３３に供給する。結果として、車体動作部３３が、自動運転制御部５３からのコマンドに従って動作する。

結果として、後述するように、運転者が手動運転モードで、自らが運転する際に学習される個人化関数により反射動作および熟考動作それぞれが補正されることで、認証された運転者の運転の癖や習慣を反映させた動作にすることが可能となり、安全な自動運転を実現すると共に、運転者毎の快適な自動運転を実現することが可能となる。

尚、図４においては、ステップＳ３２，Ｓ３３の処理により実現される反射動作の決定、および、決定された反射動作の個人化関数による補正からなる一連の反射動作に係る処理がなされた後、ステップＳ３４，Ｓ３５の処理により実現される熟考動作の決定、および、決定された熟考動作の個人化関数による補正に係る一連の熟考動作に係る処理がなされるように記載されている。

しかしながら、上述した反射動作に係る処理と熟考動作に係る処理とは、図１のブロック図からも明らかな通り、検出部３４と自動運転制御部５３の間で、並列に構成される反射動作決定部５１と熟考動作決定部５２とでそれぞれになされる処理である。従って、反射動作に係る処理と熟考動作に係る処理とは、現実には、並列に、すなわち、同時になされる処理である。図４のフローチャートでは、先に反射動作に係る処理がなされ、その後に熟考動作に係る処理がなされるように表現されているものの、これは１つのフローチャートで便宜的に表現した結果であるので、当然のことながら、先に熟考動作に係る処理がなされ、その後に反射動作に係る処理がなされるように表現されてもよいものである。また、同様の理由から、反射動作に係る処理と熟考動作に係る処理とは、同時に並列処理される個別のフローチャートとして表現されてもよいものである。この場合、図４におけるステップＳ３６以降の処理は、反射動作に係る処理と熟考動作に係る処理との双方が完了した以降でなされる処理となる。

＜競合解決処理＞
次に、図６，図７のフローチャートを参照して、競合解決処理について説明する。

ステップＳ７１（図６）において、自動運転制御部５３は、熟考動作と反射動作とが一致せず、競合が発生していることを示す情報を表示部３５に表示して、運転者に熟考動作と反射動作との間で競合が発生していることを提示する。自動運転制御部５３は、例えば、図８で示されるように、表示部３５に対応する、運転制御装置１１が搭載されている自動車のインストルメントパネル１１１に、競合が発生していることを示すマーク１２４を表示する。尚、図８のインストルメントパネル１１１には、左からスピードメータ１２１、タコメータ１２２、および燃料メータ１２３が円盤状の針で示されるメータとして表示されており、競合が発生していることを示すマーク１２４が、燃料メータ１２３の左上部に３方向の矢印からなるマークとして表示されている。運転者は、このマーク１２４を視認することで、熟考動作と反射動作とが一致せずに競合していることを認識することができる。運転者は、必要に応じて自らが手動運転モードに切り替えて、手動で運転することになる可能性を察知することが可能となるため、突然、自らが運転する必要が生じることにより、不用意な動作をしてしまうことを抑制することが可能となる。

尚、競合が発生した場合の例として、マーク１２４を表示して運転者に提示する例について示されているが、競合の発生の提示については、これ以外の方法で提示するようにしてもよく、例えば、音声やシートを振動させるなどして競合の発生を提示するようにしてもよい。

ステップＳ７２において、自動運転制御部５３は、競合が発生した場合の解決モードが、熟考動作または反射動作のいずれかが優先して選択される解決モードであるか否かを判定する。ステップＳ７２において、例えば、熟考動作または反射動作のいずれかが優先して選択される解決モードであると判定された場合、処理は、ステップＳ７３に進む。

ステップＳ７３において、自動運転制御部５３は、予め設定された解決モードのうち、熟考動作または反射動作のいずれか設定されている方を決定動作とし、処理は、ステップＳ８５（図７）に進む。

例えば、反射動作が、現在走行しているレーンを維持しつつ前車に追従するような行動であるものとし、熟考動作が、目的地までの経路を考慮して、工事や渋滞を回避するような経路を探索した結果に応じた動作であるものとする。

ここで、熟考動作が優先されるように設定されている場合、新たに得た渋滞情報等で最適経路が変わったときには、熟考動作として工事渋滞を回避するような経路として探索された経路を走行するような動作を優先することになる。結果として、自動車の経路は、渋滞を回避する迂回路へと誘導される動作が実現されることになり、所要時間を短縮することが可能となる。

また、反射動作が、前方ミリ波レーダにより一定以上の大きさの障害物を検知した場合、緊急ブレーキの操作を行う動作であるものとし、熟考動作が、周囲の環境に応じたレーン内定速運転を実現する動作であるものとする。

ここで、反射動作が優先されるように設定されている場合、道路上への急な飛び出しがあったときには、反射動作によるごく短時間の動作で事故を回避することができる。

また、ステップＳ７２において、熟考動作または反射動作のいずれかが優先して選択される解決モードではないと判定された場合、処理は、ステップＳ７４に進む。

ステップＳ７４において、自動運転制御部５３は、競合が発生した場合の解決モードが、先着優先、または、後着置き換えのいずれかが選択される解決モードであるか否かを判定する。ステップＳ７４において、例えば、先着優先、または、後着置き換えのいずれかが選択される解決モードであると判定された場合、処理は、ステップＳ７５に進む。

ステップＳ７５において、自動運転制御部５３は、予め設定された解決モードのうち、先着優先、または、後着置き換えのいずれか設定されている方式で設定される動作を決定動作とし、処理は、ステップＳ８５（図７）に進む。

熟考動作、および反射動作のそれぞれの動作を指示するコマンドには、それぞれ実行時間が明示的に、または、暗黙的に指定されており（4msなど）、通常は到着したコマンドが、到着した順序でリストに蓄積され、リストの先頭から順番に実行され、結果として、先着優先で動作が決定される。これによって、一定時間ループでのアクセルやステアリング制御や予測運転などを実現する。したがって、先着優先が設定されている場合、一般的な処理により動作が決定されるものとされる。

また、各制御モジュールは割り込みなどの状況の変化に応じてタイムリにコマンドを発行し、これまでの行動を変更しない場合は何もしない。一方、コマンドが新しく到着した場合、後着のコマンドで、それまでの動作を表すコマンドを書き換えて、直ちに行動を後着のコマンドにより表される動作に切り替えることで、きびきびとした動作を実現することが可能となる。したがって、この場合、反射動作、および熟考動作のいずれであるかは、動作を決定する要因にはならず、いずれであっても、後着の動作のコマンドにより、現状の動作のコマンドが書き換えられることになる。

また、ステップＳ７４において、先着優先、または、後着置き換えのいずれかが選択される解決モードではないと判定された場合、処理は、ステップＳ７６に進む。

ステップＳ７６において、自動運転制御部５３は、競合が発生した場合の解決モードが、優先度または確信度の高い方が選択される解決モードであるか否かを判定する。ステップＳ７６において、例えば、優先度または確信度の高い方が選択される解決モードであると判定された場合、処理は、ステップＳ７７に進む。

ステップＳ７７において、自動運転制御部５３は、予め設定された解決モードのうち、優先度または確信度の高い方が選択される動作を決定動作とし、処理は、ステップＳ８５（図７）に進む。

割り込みなどの状況の変化に応じて緊急に発行される熟考動作および反射動作の各種動作を指示するコマンドには高い優先度フラグがついており、リストに蓄積されるコマンドや現在実行中のコマンドに対応する優先度フラグが、新着のコマンドの優先度フラグよりも低い場合、自動運転制御部５３は、キャンセルしてでも、新しいもの（緊急ブレーキなど）に置き換える。したがって、この場合、決定される動作は、反射動作でも熟考動作でもよい。

また、反射動作、および熟考動作の優先度については、優劣をつけず、環境情報として認識された情報の信頼度に応じて、いずれかを選択するようにしてもよい。

すなわち、例えば、反射動作、および熟考動作が、それぞれスピードを上げる動作、およびスピードを落とす動作であるものとする。このような場合、例えば、前方が空いているという環境情報の信頼度が高いときには、スピードを上げる動作が決定動作とされ、前方に障害物が存在するといった環境情報の信頼度が高いときには、スピードを落とす動作が決定動作とされるようにしてもよい。

また、例えば、反射動作、および熟考動作が、それぞれ前方であって、自らと同一方向に移動する前車を追い越すという動作、および、自らと同一方向に移動する前車に追従するという動作であるものとする。この場合、前方において、自らと同一の方向に移動する前車が自転車であるという環境情報の信頼度が高い場合、自転車を追い越すという動作が決定動作とされ、自らと同一の方向に移動する前車が自動車であるという環境情報の信頼度が高い場合、自動車に追従するという動作が決定動作とされるようにしてもよい。

したがって、この場合においても、決定される動作は、反射動作でも熟考動作でもよい。

ステップＳ７６において、優先度または確信度の高い方が選択される解決モードではないと判定された場合、処理は、ステップＳ７８に進む。

ステップＳ７８において、自動運転制御部５３は、競合が発生した場合の解決モードが、重付平均、または、多数決のいずれかにより動作を決定する解決モードであるか否かを判定する。ステップＳ７８において、例えば、重付平均、または、多数決のいずれかにより動作を決定する解決モードであると判定された場合、処理は、ステップＳ７９に進む。

ステップＳ７９において、自動運転制御部５３は、予め設定された解決モードのうち、重付平均、または、多数決のいずれかにより決定される動作を決定動作とし、処理は、ステップＳ８５（図７）に進む。

すなわち、環境情報に応じて、反射動作および熟考動作のいずれもが、操舵角などの連続値を設定する動作である場合、それぞれの確信度を用いた重付平均によって行動が決定されるようにしてもよい。

尚、実際には、反射動作決定部５１、および熟考動作決定部５２は、いずれにおいても、車体動作部３３を構成する複数の各種機器に対して、複数の動作を決定しており、競合が発生する動作についても、複数の各種機器に対しる、複数の動作である。例えば、前方に存在する障害物に対しての衝突を回避するために緊急停止をさせるような場合、ブレーキを掛けるといった動作と、ステアリングにより回避行動をとるための動作といった、ブレーキとステアリングとのそれぞれに対して動作が決定されることになる。したがって、緊急ブレーキを掛けるか、または、掛けないといった２択の離散的な動作である場合については、これらの複数の動作を利用して、多数決により、動作を決定するようにしてもよい。

ステップＳ７８において、重付平均、または、多数決のいずれかにより動作を決定する解決モードではないと判定された場合、処理は、ステップＳ８０に進む。

ステップＳ８０において、自動運転制御部５３は、競合が発生した場合の解決モードが、反射動作および熟考動作の相互の結果を利用して動作を決定する解決モードであるか否かを判定する。ステップＳ８０において、例えば、反射動作および熟考動作の相互の結果を利用して動作を決定する解決モードであると判定された場合、処理は、ステップＳ８１に進む。

ステップＳ８１において、自動運転制御部５３は、反射動作および熟考動作の相互の結果を利用して決定される動作を決定動作とし、処理は、ステップＳ８５（図７）に進む。

すなわち、反射動作および熟考動作は、それぞれ個別に求められた動作であるが、両者の判断に食い違いが生じる場合、自動運転制御部５３は、例えば、反射動作決定部５１と熟考動作決定部５２とを制御して、相互の動作を、相互の処理により求められた結果を参考値として使用して再計算させ、双方の動作を一致させるようにする。または、自動運転制御部５３は、例えば、反射動作決定部５１と熟考動作決定部５２とを制御して、規定の繰り返し回数に達するまで、反射動作および熟考動作を求めるための再計算を繰り返させ、双方の動作を一致させる。

ステップＳ８０において、反射動作および熟考動作の相互の結果を利用して動作を決定する解決モードではないと判定された場合、処理は、ステップＳ８２に進む。

ステップＳ８２において、自動運転制御部５３は、競合が発生した場合の解決モードが、反射動作および熟考動作の動作を指示するコマンドの優先度に応じて動作を決定する解決モードであるか否かを判定する。ステップＳ８２において、例えば、反射動作および熟考動作の動作を指示するコマンドの優先度に応じて動作を決定する解決モードであると判定された場合、処理は、ステップＳ８３に進む。

ステップＳ８３において、自動運転制御部５３は、反射動作および熟考動作の動作を指示するコマンドの優先度に応じて決定する動作を決定動作とし、処理は、ステップＳ８５（図７）に進む。

すなわち、緊急ブレーキなどのコマンドを事前に定義しておき、それが反射動作および熟考動作のいずれかの動作とされた場合、反射動作および熟考動作に依らず最優先で取り扱う。また、緊急コマンド以外でもコマンドに優劣関係を設けておき、動作が競合した場合、その優先度の優劣に応じて動作が決定されるようにしてもよい。コマンドの優劣は、例えば、停止>レーン内直進>レーン逸脱>バックといった順序で予め設定されるようにしてもよい。

ステップＳ８２において、反射動作および熟考動作の動作を指示するコマンドの優先度に応じて動作を決定する解決モードではないと判定された場合、処理は、ステップＳ８４に進む。

ステップＳ８４において、自動運転制御部５３は、運転者介入処理を実行して、競合を運転者の操作を介入して解決させて、動作を決定する。すなわち、この場合、運転者の介入を受け付けて解決させる解決モードであるものとみなされることになる。

＜運転者介入処理＞
ここで、図９のフローチャートを参照して、運転者介入処理について説明する。

ステップＳ１０１において、自動運転制御部５３は、表示部３５を制御して、競合している反射動作および熟考動作のそれぞれを、解決候補として表示し、いずれかの選択により競合の解決を促す画像を表示する。

すなわち、例えば、図１０のインストルメントパネル１１１における競合が発生したことを示すマーク１２４の右側に、競合している動作を解決候補欄１３１として、「ａ）車線維持」、および「ｂ）右車線に変更」を表示する。この解決候補欄１３１の「ａ）車線維持」、および「ｂ）右車線に変更」は、それぞれタッチパネルによりタッチすることで選択することができる。

ステップＳ１０２において、自動運転制御部５３は、操作部３１が操作されて、いずれかの解決候補が選択されたか否かを判定する。ステップＳ１０２において、例えば、図１０で示される解決候補欄１３１の「ａ）車線維持」、または「ｂ）右車線に変更」のいずれかが選択されると、処理は、ステップＳ１０３に進む。

ステップＳ１０３において、自動運転制御部５３は、解決候補欄１３１に表示された解決候補のうち、選択された解決候補の動作を決定動作とする。

一方、ステップＳ１０２において、解決候補欄１３１のいずれの解決候補も選択されなかった場合、処理は、ステップＳ１０４に進む。

ステップＳ１０４において、自動運転制御部５３は、操作部３１が操作されて、自動運転モードが解除されたか否かを判定する。ステップＳ１０４において、例えば、表示部３５に表示されている切替スイッチやボタンが操作されたり、ブレーキペダルやアクセルペダルが踏み込まれて、自動運転モードを解除するとみられる意思表示に対応する動作が検出されると、自動運転モードの解除が要求されたものとみなして、処理は、ステップＳ１０５に進む。

ステップＳ１０５において、自動運転制御部５３は、自動運転モードを終了し、手動運転モードに切り替える。この処理により、以降においては、手動運転制御部３２が、手動運転処理を実行する。

さらに、ステップＳ１０４において、自動運転モードの解除が要求されていないとみなされた場合、処理は、ステップＳ１０６に進む。

ステップＳ１０６において、自動運転制御部５３は、競合が発生してから所定時間が経過したか否かを判定する。ステップＳ１０６において、所定時間が経過していないとみなされた場合、処理は、ステップＳ１０１に戻り、所定時間が経過するまで、ステップＳ１０１乃至Ｓ１０６の処理が繰り返される。そして、ステップＳ１０６において、所定時間が経過したとみなされた場合、処理は、ステップＳ１０７に進む。

ステップＳ１０７において、自動運転制御部５３は、自動車の走行を停止させるか、または、現状を継続する動作を決定動作とする解決モードであるものとみなし、停止させるか、または、現状を継続する動作を決定動作とする。この場合、反射動作および熟考動作のどちらも出さず停止させるか、現状を継続させる解決モードであるとみなされる。

すなわち、反射動作および熟考動作の競合が解決できない、または、反射動作および熟考動作のいずれのコマンドをも蓄積するリストに何もないような場合、停止動作、または、現状の動作を継続する動作のうち、設定された動作が決定動作とされる。

すなわち、以上の処理により、反射動作および熟考動作の競合が解決できない場合に、運転者を介入させる（いずれかの動作を決定させる、または、自動運転モードを解除させて手動運転モードとし、運転者自らが運転する状態にする）ことで、動作を決定させることが可能となる。また、運転者の介入がない場合については、停止動作、または、現状の動作が継続される状態となり、安全に停止させるか、または、運転者による手動運転を促す状態とすることが可能となる。

ここで、図６，図７のフローチャートの説明に戻る。

これまでの処理により、予め設定した解決モードのいずれかにより動作が決定され、自動運転モードを継続することが可能となる。また、自動運転モードでは競合が解決できない場合については、必要に応じて、運転者の介入を促すことが可能となる。

ステップＳ８５（図７）において、自動運転制御部５３は、所定時間内に繰り返し停止動作が決定動作として選択されているか否かを判定し、例えば、所定時間内に繰り返し停止動作が決定動作として選択されていると判定された場合、処理は、ステップＳ８６に進む。

ステップＳ８６において、自動運転制御部５３は、反射動作や熟考動作を決定するために必要な閾値や安全率を制御するパラメータを調整するためのスライドバーを備えたインタフェース（スライドバーＩＦ）画像などを表示部３５に表示させることで、閾値や安全率を制御するパラメータの調整を促す。すなわち、自動運転制御部５３は、例えば、図１１で示されるようなスライドバーＩＦからなる画像を表示し、スライドバーを調整することで閾値や安全率を制御するパラメータの調整を促す。図１１においては、タコメータ１２２の下に、競合が発生していることを示すマーク１５１が表示されると共に、さらに、その下に、熟考動作および反射動作に係る閾値や安全率を制御するパラメータを連続変量で表現するときのゲージ１４１と、その閾値や安全率を制御するパラメータを設定するためのスライドバー１４２が表示されている。スライドバー１４２は、例えば、タッチパネル操作により、図中の左右方向に移動させることで、ゲージ１４１に対する位置に応じた閾値や安全率を制御するパラメータを設定する。

尚、ここでは、閾値や安全率を制御するパラメータについて、スライドバーＩＦを用いて設定する例について説明しているが、スライドバーＩＦを用いて設定できるものであれば、その他のパラメータを設定するようにしてもよく、例えば、反射動作および熟考動作が、それぞれ連続変量で扱えるようなものであれば、その重付平均で動作を決定する際に、それぞれの動作に付加される重みなどを設定できるようにしてもよい。

ステップＳ８７において、自動運転制御部５３は、スライドバー１４２が左右に操作されたか否かを判定し、操作されているとみなされるまで、同様の処理を繰り返す。そして、スライドバー１４２が操作されると処理は、ステップＳ８８に進む。

ステップＳ８８において、自動運転制御部５３は、スライドバー１４２により設定された重みに応じて、熟考動作および反射動作の重付平均となる動作を求め、この重付平均となる動作を決定動作とする。

尚、ステップＳ８５において、所定時間内に繰り返し停止動作が決定動作とされていないとみなされた場合、ステップＳ８６乃至Ｓ８８の処理がスキップされる。

すなわち、所定時間内に繰り返し停止動作が決定動作として選択される状況は、例えば、狭路で、対向車とすれ違うための動作などが考えられる。このとき、熟考動作が、グローバルな地図情報を参照して進むべき方向を決定し、反射動作が周辺の状況を観測し、自らの車体周辺のスペース幅が（自車幅＋マージンθ）で設定される幅以下なら停止動作を決定動作とするものとする。

この状況において、例えば、道路脇に自転車等が止めてあると、自車幅に対して十分なマージンを取ることが難しく、決定動作が停止動作となる状態から脱出できない状態となる可能性がある。このような状態は、デッドロックと呼ばれ、安全な動作を選択し続ける結果、停止動作が繰り返し決定動作とされ、そのままの状態となってしまう。

ここで、スライドバー１４２を用いてマージンθを変更することで、運転者が周囲の状況を見ながら、自動車の挙動を調整することが可能となる。より詳細には、運転者は、アクセルやハンドルを用いて自動車の挙動を直接制御するのではなく、スライドバー１４２を用いて、抽象化された調整パラメータを調整することで、自動車を制御することが可能となる。

一般に、これらの調整パラメータを正しく設定することは普通の運転者にとっては難しいが、このようにスライドバー１４２により調整できるようにすることで現実世界との対応が取りやすく、運転者によらず容易に調整することが可能になる。

尚、このスライドバー１４２により設定される重みからなる調整値が標準の値からずれるのに応じて、自動車の速度を減速させることで、調整をより容易にすることが可能となる。

＜競合の発生を抑制する工夫について＞
以上においては、競合が発生した場合、予め設定された解決モードに応じて、反射動作と熟考動作とを利用して競合を解決する例について説明してきた。しかしながら、競合の発生そのものを抑制することで、運転制御処理を、よりスムーズなものとすることができる。

例えば、反射動作および熟考動作を求めるにあたり、それぞれの動作を決定するに当たって設定されるマージンについて、ほぼマージンがないとみられるような第１の値と、マージンとして余裕のある第２の値とを設定し、それぞれについて第１の反射動作、および第２の反射動作、並びに第１の熟考動作、および第２の熟考動作を求める。

そして、この第１の反射動作、および第２の反射動作、並びに第１の熟考動作、および第２の熟考動作のそれぞれの動作に基づいて動作を決定するようにして、競合を低減させるようにすることができる。

例えば、反射動作と熟考動作とが、前進する動作、または、停止する動作のいずれかを決定動作とする場合、第１の反射動作、および第２の反射動作、並びに第１の熟考動作、および第２の熟考動作の組み合わせに応じて、決定動作を決定する。

すなわち、図１２においては、縦方向に第１の反射動作/第２の反射動作の組み合わせが示されており、横方向に第１の熟考動作/第２の熟考動作の組み合わせが示されている。また、第１の反射動作/第２の反射動作と、第１の熟考動作/第２の熟考動作との組み合わせにより決定動作として前進動作を認めるマークが「Ｇ」であり、前進動作を認めず停止動作とするマークが「Ｎ」である。

すなわち、図１２において、第１の反射動作/第２の反射動作と、第１の熟考動作/第２の熟考動作との組み合わせのうち、マージンが小さい第１の反射動作と、第１の熟考動作とがいずれも前進動作（Ｇ／Ｘ：Ｘは、ＮでもＧでもよい）を認めている場合、第１の反射動作では停止動作であるが、第２の反射動作が前進動作（Ｎ／Ｇ）であって、かつ、第１の熟考動作/第２の熟考動作が、いずれも前進動作（Ｇ／Ｇ）を認めている場合、または、第１の熟考動作では停止動作であるが、第２の熟考動作が前進動作（Ｎ／Ｇ）であって、かつ、第１の反射動作/第２の反射動作が、いずれも前進動作（Ｇ／Ｇ）を認めている場合、前進動作（Ｇ）が決定動作とされる。

逆に、図１２において、第１の反射動作/第２の反射動作と、第１の熟考動作/第２の熟考動作との組み合わせのうち、マージンが小さい第１の反射動作と、第１の熟考動作とがいずれも停止動作（Ｎ／Ｘ：Ｘは、ＮでもＧでもよい）である場合、第１の反射動作では前進動作であるが、第２の反射動作が停止動作（Ｇ／Ｎ）であって、かつ、第１の熟考動作/第２の熟考動作が、いずれも停止動作（Ｎ／Ｎ）を認めている場合、または、第１の熟考動作では前進動作であるが、第２の熟考動作が停止動作（Ｇ／Ｎ）であって、かつ、第１の反射動作/第２の反射動作が、いずれも停止動作（Ｎ／Ｎ）である場合、停止動作（Ｎ）が決定動作とされる。

そして、このような場合、第１の反射動作/第２の反射動作と、第１の熟考動作/第２の熟考動作との組み合わせが、いずれも前進動作（Ｇ／Ｇ）、および、いずれも停止動作（Ｎ／Ｎ）である（図中の三角印である）とき第１の競合状態となり、前進動作および停止動作、並びに停止動作および前進動作の組み合わせである（図中の四角印である）とき第２の競合状態となる。

このような場合、第１の競合状態においては、反射動作と熟考動作とで対局する結果となるため、停止動作とするようにし、第２の競合状態においては、相互に相反する結果となるため、運転者を介入して競合状態を解決させるようにしてもよい。

また、図１２における第１の競合状態および第２の競合状態のそれぞれにおいて、上述した７種類の競合解決モードを切り替えて設定するようにしてもよい。

このように、反射動作と熟考動作とが、それぞれ異なるマージンで複数の動作を決定し、複数の動作のパターンにより動作を決定することで、競合の発生を低減させることができ、運転制御処理をスムーズなものにさせることが可能となる。

さらに、以上においては、競合が発生した場合、自動運転制御部５３が、予め設定された８種類の解決モードのいずれかにより競合を解決して、動作を決定する処理について説明してきたが、より厳密な競合の解決を実現するため、インターネット等のネットワークを利用して外部のサーバやクラウドコンピューティングにより別途実現される競合解決装置等により競合を解決させるようにしてもよい。

＜手動運転処理＞
次に、図１３のフローチャートを参照して、手動運転処理について説明する。

ステップＳ１２１において、個人化ブロック２２における個人化関数学習部９１は、認証により特定されている運転者の個人化関数を学習するための学習モデルと、学習結果記憶部９２における格納先ＤＢ（データベース）を、運転者と、ユーザモードに応じて選択する。尚、予め学習モデルや格納先ＤＢが学習結果記憶部９２に登録されていない場合については、個人化関数学習部９１が、運転者のものであって、ユーザモードに応じた学習すべき個人化関数と格納先ＤＢを新規に作成する。

ステップＳ１２２において、個人化関数学習部９１は、検出部３４により各種のセンサにより検出された検出結果を取得する。

ステップＳ１２３において、個人化関数学習部９１は、操作部３１より供給されてくる操作信号に基づいて、運転者の運転操作に拘わる操作情報を取得する。このとき、手動運転制御部３２も、同様の操作信号を取得する。

ステップＳ１２４において、個人化関数学習部９１は、操作部３１より取得した操作情報と、検出部３４より取得した検出結果とを用いて、認証により特定された運転者であって、その時のユーザモードの癖や習慣に対応する学習モデルにより個人化関数を学習させる。

ステップＳ１２５において、個人化関数学習部９１は、学習により獲得された個人化関数を、認証により特定された運転者であって、その時のユーザモードに対応付けて、学習結果記憶部９２に記憶させる。

ステップＳ１２６において、手動運転制御部３２は、操作情報に基づいて、車体の各種の動作を機能させる機器から構成される車体動作部３３に対して、対応する動作を実行させるコマンドを供給し、車体動作部３３を動作させる。

以上の処理により、運転者により操作された操作部３１の操作情報と検出部３４により検出された検出結果に基づいて、個人化関数がユーザモードに応じて学習されて、学習結果記憶部９２に記憶される。この際、手動運転制御部３２が、操作情報に対応するコマンドを車体動作部３３に供給し、自動車の手動運転を制御することになる。

＜個人化関数の学習＞
ここで、個人化関数の学習について説明する。

時刻ｔにおける検出部３４における検出結果（観測値）をＳｔとして、運転者の操作情報をａｔとし、さらに、その時点での運転操作の目標をｇｔであるものとする。ここで、運転者の操作を直接真似ようとする場合、学習は、以下の式（１）により定義される関数を個人化関数として学習する処理となる。

・・・（１）

例えば、自動車を停止させる動作を考えるものとする。ここで想定されるのは、自動車が所定のレーン内を走行し、赤信号等の理由により前車、または、白線停止線に合わせて、なめらかに減速し、そして停止するものとする。

この場合、早めにブレーキを踏むのが好きな人もいれば、前車までの距離をギリギリまで詰めて急減速して停止するのが好きな人もいる。さらには、車間の間隔をあけて前車の挙動に左右されず、自分の好みの速度で停止することを好む人もいる。

個人化関数学習部９１は、運転者の運転操作履歴を構成する操作情報の中から、運転者が運転する自動車がレーン内で停止する動作に該当する操作情報を抽出し、集合Ｘｓｔｏｐを構成する。この場合の学習問題は、以下の式（２）で示される関数で表される。

・・・（２）

関数ｆｓｔｏｐ（Ｓｔ）は、レーン内で停止する動作に係る検出結果より得られる関数である。

ここで、目的は運転者の行動の模倣なので、以下の式（３）を実現することが学習となる。

・・・（３）

誤差関数としては、例えば、以下の式（４）を用いることができる。

・・・（４）

すると、レーン内に停止するときの操作情報からなる履歴データＸｓｔｏｐに対して、以下の式（５）で表現される機械の出力値を教師信号ａｉに近づけるような関数近似学習を行うことになる。

・・・（５）

学習器としては、例えば、多層のフィードフォーワードニューラルネットワークを用いた、Deep Learningと呼ばれる学習器を採用することができる。Deep Learningの学習について詳しくは、例えば、機械学習プロフェッショナルシリーズ深層学習(岡谷貴之,講談社サイエンティフィク)を参照されたい。もちろん、これに限らず任意の関数近似器を用いることができる。

尚、運転者の運転操作を教師信号として、逆強化学習により、所定の状況での検出結果Ｓｔにおける操作情報ａｔを学習させるようにしてもよい。

また、学習に用いられるデータとしては、上述したもの以外のものであってもよく、例えば、運転者に関わる情報、同乗者に関わる情報、車中環境に関わる情報、車外環境に関わる情報、および自動車の走行プランに関わる情報などを利用してもよい。

ここで、運転者に関わる具体的な情報としては、運転者のバイタル情報（心拍、脈拍、血圧、体温、血糖値、呼気アルコール濃度、血中アルコール濃度、血中酸素濃度、覚醒度、集中度、感情、情動、脳波等）、運転者の姿勢、視線、体動情報等、運動、または、行動状態に関わる情報の１つもしくは複数を含んでもよい。

また、同乗者に関わる情報としては、人数、年齢、性別、座席位置、またシートベルト等の安全装置の使用状況、同乗者のバイタル情報（心拍、脈拍、血圧、体温、血糖値、呼気アルコール濃度、血中アルコール濃度、血中酸素濃度、覚醒度、集中度、感情、情動、脳波等）前記同乗者の姿勢、視線、体動情報等、または、運動・行動状態に関わる情報の１つもしくは複数を含んでもよい。

さらに、車中環境に関わる情報としては、車内（運転席、助手席ほか、各座席位置で）の環境測定値（気温、湿度、風量、振動、騒音、照度、酸素濃度等）、対象自動車に搭載されているセンサデータ、自動車の運動に関わるリアルタイムの情報、自動車の位置、進行方向（及びそれらの測定精度）、自動車の速度、角速度、加速度、角加速度（及びそれらの測定精度）、アクセル、ブレーキ、操舵に関する操作値。ウィンカー、ワイパー、その他搭載機器の操作情報、ABS（Antilock Brake System）、TCS（Traction Control System）、LKAS（Lane Keep Assist System）、ACC（Adaptive Cruise Control）等の安全装置の作動状況、および、故障関連の情報、または警告情報やエラー情報の１つもしくは複数を含んでもよい。

また、車外環境に関わる情報としては、周囲の近接自動車（自動２輪車を含む）の位置および進行方向、また速度、角速度、加速度、角加速度（及びそれらの測定精度）、周囲の近接自動車（自動２輪車を含む）のブレーキランプ、ウィンカー、ハザードランプ等の作動状況、周囲の近接自動車（自動２輪車を含む）からのV2V（Vehicle To Vehicle）通信データ、周囲の軽自動車の位置および進行方向、また速度、角速度、加速度、角加速度（及びそれらの測定精度）、周囲の歩行者の位置および進行方向、また速度、角速度、加速度、角加速度（及びそれらの測定精度）、周辺、とくに前方の信号の状態、また、当該自動車が走行する道路における事故や工事、レーン閉鎖等に関する情報、周囲の歩行者あるいは車外インフラからのV2X（Vehicle To X（X:Everything））通信データや当該自動車が走行する地域の気候及び天候に関する情報の１つもしくは複数を含んでもよい。

さらに、当該自動車の走行プランに関わる情報としては、出発地及び出発時刻、また目的地(の複数の候補)もしくは走行する予定の地域、現在地及び現在時刻、および出発地から目的地(候補)までの走行(予定)ルートの１つもしくは複数を含んでもよい。

＜個人化関数更新処理＞
次に、図１４のフローチャートを参照して、個人化関数更新処理について説明する。

個人化関数更新処理は、図２を参照して説明したように、一般に、運転制御処理が終了した後に実行されるが、運転制御処理がなされていないタイミングであれば、その他のタイミングであってもよいものである。

ステップＳ１４１において、学習結果検証部９３は、学習結果記憶部９２に記憶されている個人化関数を読み出す。複数の個人化関数や、複数のユーザモード毎の個人化関数が存在する場合、それらを個別に識別して読み出す。

ステップＳ１４２において、学習結果検証部９３は、インターネット等に代表されるネットワークを介して外部の検証装置１３に対して、読み出した個人化関数を供給し、検証を要求する。この処理により、検証装置１３は、検証処理を実行して、個人化関数の安全性等、動作に問題があるか否かを検証する。尚、検証処理については、図１５以降において後述するものとする。

ステップＳ１４３において、検証結果判定部９４は、検証装置１３より検証結果を取得する。

ステップＳ１４４において、検証結果判定部９４は、検証結果に基づいて、個人化関数が用いられることにより、補正が加えられた動作が問題のない運転を仮想空間において実現できたか否かを判定する。ステップＳ１４４において、例えば、個人化関数を用いた補正動作が問題のない運転を仮想空間において実現できたとみなされた場合、処理は、ステップＳ１４５に進む。

ステップＳ１４５において、検証結果判定部９４は、個人化関数によるコマンドの補正動作が問題ない運転を実現したことを個人化関数更新部９５に通知する。この通知により、個人化関数更新部９５は、学習結果記憶部９２に記憶されている、問題がない状態に学習がなされた個人化関数で、個人化関数記憶部５４に記憶されている、対応する運転者であって、対応するユーザモードの個人化関数を更新する。

尚、ステップＳ１４４において、例えば、個人化関数によるコマンドの補正動作が問題のない運転を実現できなかったとみなされた場合、ステップＳ１４５の処理がスキップされて、個人化関数の更新がなされない。また、複数の運転者の個人化関数や、複数のユーザモードが設定されている個人化関数が存在する場合、それぞれ個別に検証処理がなされて、個別の検証結果に応じて、更新がなされる。

すなわち、以上の処理により、運転者毎に、かつ、運転者のユーザモード毎に、個別に個人化関数が学習により求められ、さらに、個別に検証処理がなされ、それぞれについて個人化関数が用いられることにより補正が加えられた補正動作による自動運転処理に問題がないとき、個人化関数が更新される。

これにより、手動運転モードにおける運転者の運転に係る癖や習慣が反映されるように学習された個人化関数のうち、検証処理により異常がないとみなされた個人化関数だけが更新されるようになる。

結果として、自動運転モードであっても、運転者毎に、かつ、運転者のユーザモード毎に対象となる運転者の手動運転モードにおける運転の癖や習慣が反映された自動運転制御を安全に実現することが可能となる。

また、ニューラルネットワークであれば、ネットワーク重みなどの個人化関数を学習後のものに更新する。一般には検出結果Ｓｔに対して操作情報ａｔを計算するための「辞書データ」が更新されるが、計算アルゴリズム自体が変更され、検出結果Ｓｔを入力として出力結果となる操作情報ａｔを計算する関数の実行コード自体を入れ替えるようにしてもよい。

＜検証装置の構成例＞
次に、図１５のブロック図を参照して、検証装置１３の構成例について説明する。

検証装置１３は、検証処理を実行することにより、運転制御装置１１より検証が要求された個人化関数の、安全性等を検証するものである。より具体的には、検証装置１３は、仮想空間において、上述した運転制御装置１１を搭載した自動車を、自動運転モードで、かつ、個人化関数を用いて、シミュレーションによる走行を仮想的に再現させ、事故等の不具合の発生の有無を確認することで、個人化関数の安全性等を検証する。

より具体的には、検証装置１３は、出発目的地ランダム設定部１８１、経路生成部１８２、チェックポイント位置計算部１８３、行動決定モデル算出部１８４、シミュレータ１８５、イベント発生部１８６、状態算出部１８７、センサモデルノイズモデル発生部１８８、記録部１８９、および検証部１９０を備えている。

出発目的地ランダム設定部１８１は、仮想空間内における出発地と目的地とをランダムに設定し、経路生成部１８２および状態算出部１８７に供給する。

経路生成部１８２は、出発目的地ランダム設定部１８１により設定された出発地と目的地とから経路を設定し、チェックポイント位置計算部１８３に供給する。

チェックポイント位置計算部１８３は、生成された経路上の次のチェックポイントを計算し、チェックポイントでの運転操作の目標ｇｔを設定する。ここでいうチェックポイントとは、例えば、図１６で示されるルートマップ上において、状態が算出され、行動が決定されるポイントである。図１６においては、地図上に描かれた道路Ｒに沿って設定された経路ｒ上の黒点で示された位置がチェックポイントｃ１乃至ｃｎである。そして、このチェックポイントｃ１乃至ｃｎのそれぞれにおいて、次の運転操作の目標ｇｔが設定される。

運転操作の目標ｇｔとしては、走行予定経路上の「次のチェックポイントの（自車に対する）相対位置、相対姿勢角」や「チェックポイント通過時の速度、加速度プロファイル」「走行予定経路の（チェックポイントにおける）曲率」などが具体例として挙げられる。停止シーンでは、例えば、前方100m（の停止線）で（クルマの向きは現在のまま）、速度および加速度は0といったものとなる。

センサモデルノイズモデル発生部１８８は、検出部３４を構成する各種のセンサのモデルを構築し、それぞれのセンサにおけるノイズのモデルを発生し、状態算出部１８７に供給する。

状態算出部１８７は、シミュレータ１８５より供給される仮想空間内の走行位置、イベント発生部１８６により供給される、人の飛び出しや天候の変化といったイベントの情報、センサモデルノイズモデル発生部１８８より供給されるセンサモデルおよびノイズモデルの情報に基づいて、検出部３４により検出されるであろう検出結果（観測値）を状態Ｓｔとして算出する。

より具体的には、状態Ｓｔは、運転制御装置１１を搭載し個人化関数が学習された自動車に搭載されている検出部３４の仮想的な検出結果であり、例えば、「ミリ波レーダの検出結果」、および「ステレオカメラにより撮像された画像」、または、それらを処理して得られる「周囲の近接車両の位置および進行方向、また速度、角速度、加速度、角加速度」と、「自動車の位置、進行方向、また速度、角速度、加速度、角加速度」である。また、検出結果は、その他、様々な情報であってもよく、様々な情報を利用することで、より「個人化」に寄与することが可能となる。例えば、高速道路および一般道や、昼および夜での運転に係る癖や習慣の変化をも反映させることが可能となる。

尚、シミュレータ１８５により走行状態が再現される出発地については、出発目的地ランダム設定部１８１より供給される情報が利用される。

行動決定モデル算出部１８４は、チェックポイント位置計算部１８３より供給されてくるチェックポイントでの運転操作の目標ｇｔと、状態算出部１８７より供給されてくる状態Ｓｔとに基づいて、検証部１９０より供給されてくる検証が要求された個人化関数を用いて、行動決定モデルａｔを決定し、シミュレータ１８５に供給する。この行動決定モデルａｔは、上述した運転者の操作情報に対応するものである。

シミュレータ１８５は、行動決定モデル算出部１８４より供給されてくる行動決定モデルａｔに基づいて、仮想空間内で、運転制御装置１１が搭載された自動車の走行（動作）を再現し、その結果をイベント発生部１８６、状態算出部１８７、および記録部１８９に供給する。シミュレータ１８５により求められる仮想空間内の動作は、理論的には、自動運転制御ブロック２１により決定された自動車の動作そのものである。

イベント発生部１８６は、シミュレータ１８５より順次供給されてくる、チェックポイントでの動作結果をトリガとしてイベントを発生し、状態算出部１８７および記録部１８９に供給する。

記録部１８９は、シミュレータ１８５より供給されてくるシミュレーション結果と、イベント発生部１８６より供給されてくる各種イベントとを、チェックポイント毎に対応付けて記録する。すなわち、記録部１８９が、この検証処理が実行されている間の仮想空間内における運転制御装置１１が搭載されている自動車の検証結果を順次記録する。

検証部１９０は、インターネットに代表されるネットワークを介して運転制御装置１１より供給されてくる検証が要求された個人化関数を受け付けると共に、受け付けた個人化関数を行動決定モデル算出部１８４に供給する。また、検証部１９０は、記録部１８９に記録されている検証結果を読み出し、検証が要求された個人化関数に対応付けて運転制御装置１１に供給する。

＜検証処理＞
次に、図１７のフローチャートを参照して、図１５の検証装置１３による検証処理について説明する。

ステップＳ１６１において、検証部１９０は、運転制御装置１１よりネットワークを介して個人化関数の検証が要求されてきたか否かを判定し、要求されるまで、同様の処理を繰り返す。例えば、図１４におけるステップＳ１４２の処理により、個人化関数と共に、その検証が要求されてきた場合、処理は、ステップＳ１６２に進む。

ステップＳ１６２において、検証部１９０は、送信されてきた個人化関数を取得し、行動決定モデル算出部１８４に供給する。

ステップＳ１６３において、出発目的地ランダム設定部１８１は、シミュレータ１８５における仮想空間内において、ランダムに出発地と目的地を設定して経路生成部１８２および状態算出部１８７に供給する。

ステップＳ１６４において、経路生成部１８２は、出発目的地ランダム設定部１８１により、ランダムに設定された出発地と目的地とに基づいて、経路を生成し、チェックポイント位置計算部１８３に供給する。

ステップＳ１６５において、チェックポイント位置計算部１８３は、供給されてきた経路に基づいて、経路上に次のチェックポイントの位置を計算し、チェックポイントでの運転操作の目標ｇｔを設定し、行動決定モデル算出部１８４に供給する。

ステップＳ１６６において、状態算出部１８７は、シミュレータ１８５における出発時刻および出発地を設定する。

ステップＳ１６７において、センサモデルノイズモデル発生部１８８は、センサモデルおよびノイズモデルの情報を発生し、状態算出部１８７に供給する。

ステップＳ１６８において、状態算出部１８７は、シミュレータ１８５における現在時刻、位置、センサモデルおよびノイズモデルの情報に基づいて、状態Ｓｔを算出し、行動決定モデル算出部１８４に供給する。尚、後述するイベント発生部１８６によりイベントが発生されている場合については、発生されたイベントも考慮して状態ｓｔが算出される。

ステップＳ１６９において、行動決定モデル算出部１８４は、検証が要求されている個人化関数を用いて、行動決定モデルａｔを算出し、シミュレータ１８５に供給する。より詳細には、検証が要求されている個人化関数ｆである場合、行動決定モデル算出部１８４は、個人化関数ｆに状態Ｓｔおよび運転操作の目標ｇｔの情報を入力し、行動決定モデルａｔ（＝ｆ（ｓｔ，ｇｔ））を算出する。

ステップＳ１７０において、シミュレータ１８５は、行動決定モデルａｔに基づいて、物理シミュレーションを実行し、実行結果をイベント発生部１８６、状態算出部１８７、および記録部１８９に供給する。すなわち、シミュレータ１８５は、仮想空間内で運転制御装置１１が搭載された自動車に対して、行動決定モデルａｔで特定された運転操作が加えられたときの走行状態を再現する。

ステップＳ１７１において、イベント発生部１８６は、シミュレータ１８５より供給されてくる仮想空間内での運転制御装置１１が搭載された自動車の挙動に応じたイベントを発生し、状態算出部１８７および記録部１８９に供給する。

ステップＳ１７２において、記録部１８９は、イベント発生部１８６により発生されたイベント、およびシミュレータ１８５の物理シミュレーション結果を、チェックポイントに対応付けて記録する。

ステップＳ１７３において、検証部１９０は、検証が終了したか否かを判定する。検証処理の終了は、シミュレーションを実行し続ける時間などにより設定されたり、目的地に到着したタイミングなどに設定される。ステップＳ１７３において、終了ではない場合、処理は、ステップＳ１７４に進む。

ステップＳ１７４において、チェックポイント位置計算部１８３は、次のチェックポイントの位置を計算し、そのチェックポイントでの運転操作の目標ｇｔを設定して、行動決定モデル算出部１８４に供給し、処理は、ステップＳ１６７に戻る。

すなわち、検証処理が終了するまで、ステップＳ１６７乃至Ｓ１７４の処理が繰り返される。

そして、ステップＳ１７３において、検証終了であるとみなされた場合、処理は、ステップＳ１７５に進む。

ステップＳ１７５において、検証部１９０は、記録部１８９に記録されているシミュレーション結果に基づいて、検証結果を生成する。

ステップＳ１７６において、検証部１９０は、生成した検証結果を運転制御装置１１に供給する。

以上の処理により、個人化関数により自動運転処理を実行した場合における安全性を検証することが可能となる。尚、検証結果が、運転制御装置１１に送信されると、図１４におけるステップＳ１４３以降の処理により、事故などが発生せず、問題がない場合にのみ個人化関数が更新されることになる。

尚、運転操作の目標ｇｔや状態Ｓｔとして、「高速道路走行中」、「一般道（レーン）走行中」、「交差点通過中」、「停止・減速中」、「非レーン領域走行中(駐車場など)」、「Ｕターン中」、および「路肩駐車中」といった自動車の動作モードを加えるようにしてもよく、これにより、個人化関数の学習を容易にできることがある。

また、以上においては、検証装置１３が、インターネットに代表されるネットワークを介した外部の装置として構成される例について説明してきたが、ハードウェアの機能を強化させることで、運転制御装置１１に設けるようにしてもよい。

＜＜２．第１の変形例＞＞
以上においては、検証処理において求められた検証結果だけを検証装置１３から運転制御装置１１に供給する例について説明してきたが、検証結果に加えて、シミュレーションなどで事故が発生しまったような失敗データや、事故を回避可能な正解データを併せて運転制御装置１１に供給するようにしてもよい。このようにすることで、運転制御装置１１においては、失敗データや正解データのフィードバックを受けて、再学習を実現することが可能となる。

＜検証装置の第１の変形例における構成例＞
次に、図１８のブロックを参照して、検証結果に加えて、失敗データおよび正解データを併せて運転制御装置１１に供給するようにした検証装置１３の構成例について説明する。尚、図１８において、図１５の検証装置１３と同一の機能を備えた構成については、同一の名称、および同一の符号を付しており、その説明は省略するものとする。すなわち、図１８の検証装置１３において、図１５の検証装置１３と異なる点は、検証部１９０に代えて、検証部２０１を設けた点である。

検証部２０１は、基本的な機能は検証部１９０と同様であるが、さらに、検証結果に問題がある個人化関数であった場合、検証結果に加えて、失敗データおよび正解データを併せて運転制御装置１１に供給する。

＜運転制御装置の第１の変形例における構成例＞
次に、図１９を参照して、検証装置１３から、検証結果に加えて、失敗データおよび正解データを受信する運転制御装置１１の構成例について説明する。尚、図１９において、図１の運転制御装置１１と同一の機能を備えた構成については、同一の名称、および同一の符号を付しており、その説明は省略するものとする。

すなわち、図１９の運転制御装置１１において、図１の運転制御装置１１と異なる点は、個人化関数学習部９１、および学習結果検証部９３に代えて、個人化関数学習部２１１、および学習結果検証部２１２を設けた点である。

学習結果検証部２１２は、基本的に、学習結果検証部９３と同様の機能を備えるが、さらに、図１９の検証装置１３から送信されてくる検証結果、失敗データおよび正解データを受信する。このとき、学習結果検証部２１２は、検証を依頼した個人化関数に問題があることを示す検証結果が送信されてくるとき、併せて送られてくる失敗データおよび正解データを受信すると、失敗データおよび正解データを個人化関数学習部２１１にフィードバックする。

個人化関数学習部２１１は、基本的に、個人化関数学習部９１と同様の機能を備えるが、さらに、学習結果検証部２１２より失敗データおよび正解データを取得すると、以降の関数学習にこれを利用する。

＜図１８の検証装置による検証処理＞
ここで、図２０のフローチャートを参照して、検証結果に加えて、失敗データおよび正解データを運転制御装置１１に送信する図１８の検証装置１３による検証処理について説明する。尚、図２０のステップＳ２０１乃至Ｓ２１５，Ｓ２１７の処理については、図１７のステップＳ１６１乃至Ｓ１７６と同様の処理であるので、その説明は省略するものとする。

すなわち、ステップＳ２１６において、検証部２０１は、検証結果が問題のないものであるか否かを判定する。ここで、検証結果に問題がある場合、処理は、ステップＳ２１８に進む。

ステップＳ２１８において、検証部２０１は、検証結果と共に、失敗データおよび正解データを運転制御装置１１に供給する。

以上の処理により、個人化関数に問題がある場合、検証結果と共に、失敗データおよび正解データを運転制御装置１１に供給することが可能となる。

＜図１９の運転制御装置１１による個人化関数更新処理＞
次に、図２１のフローチャートを参照して、検証結果と共に、失敗データおよび正解データが送信されてくる、図１９の運転制御装置１１における個人化関数更新処理について説明する。尚、図１９におけるステップＳ２４１，Ｓ２４２，Ｓ２４４、およびＳ２４５の処理は、図１４におけるステップＳ１４１、Ｓ１４２、Ｓ１４４、およびＳ１４５の処理と同様であるので、その説明は適宜省略するものとする。

すなわち、ステップＳ２４３において、学習結果検証部２１２は、検証結果と共に、失敗データおよび正解データを取得する。

そして、ステップＳ２４４において、個人化関数に問題がある場合、処理は、ステップＳ２４６に進む。

ステップＳ２４６において、学習結果検証部２１２は、失敗データおよび正解データを個人化関数学習部２１１に供給し、フィードバックする。

以上の処理により、学習結果検証部２１２は、失敗データおよび正解データを用いた学習が可能となるため、再学習を実現することが可能となる。尚、再学習において必要とされるのは、失敗データであるため、正解データは必須ではない。

＜＜３．第２の変形例＞＞
以上においては、検証結果に加えて、失敗データおよび正解データを運転制御装置１１に送信させる検証装置１３の例について説明してきたが、個人化関数に問題がある場合、検証装置１３において、シミュレーションにより再訓練し、矯正した個人化関数を矯正関数として運転制御装置１１に戻すことで個人化関数の更新を行い易くするようにしてもよい。このようにすることで、運転制御装置１１においては、学習において完全な個人化関数が完成できない状態でも、矯正関数を受け取り、更新を早期に実現することが可能となる。

＜検証装置の第２の変形例における構成例＞
次に、図２２のブロックを参照して、検証結果に問題があった場合の個人化関数を再訓練により矯正した矯正関数を生成し、検証結果に加えて、失敗データおよび正解データ、並びに、矯正関数を併せて運転制御装置１１に供給するようにした検証装置１３の構成例について説明する。尚、図２２において、図１８の検証装置１３と同一の機能を備えた構成については、同一の名称、および同一の符号を付しており、その説明は省略するものとする。

すなわち、図２２の検証装置１３において、図１８の検証装置１３と異なる点は、検証部２０１に代えて、検証部２２１を設けた点である。

検証部２２１は、基本的な機能は検証部２０１と同様であるが、さらに、検証結果に問題がある個人化関数であった場合、個人化関数を再訓練（再学習）させて矯正関数を生成し、検証結果に加えて、失敗データおよび正解データ、並びに、矯正関数を併せて運転制御装置１１に供給する。この際、検証部２２１は、個人化関数を検証した方法と同手法で矯正関数についても検証処理を施し、検証結果を運転制御装置１１に送信する。したがって、この場合、検証部２２１は、検証が要求された個人化関数、および矯正関数の２種類の検証結果と共に、失敗データおよび正解データを運転制御装置１１に送信する。

＜運転制御装置の第１の変形例における構成例＞
次に、図２３を参照して、検証装置１３から、検証結果に加えて、失敗データおよび正解データ、並びに、矯正関数を受信する運転制御装置１１の構成例について説明する。尚、図２３において、図１９の運転制御装置１１と同一の機能を備えた構成については、同一の名称、および同一の符号を付しており、その説明は省略するものとする。

すなわち、図２３の運転制御装置１１において、図１９の運転制御装置１１と異なる点は、個人化関数学習部２１１、学習結果検証部２１２、検証結果判定部９４、および個人化関数更新部９５に代えて、個人化関数学習部２３１、学習結果検証部２３２、検証結果判定部２３３、および個人化関数更新部２３４を設けた点である。

学習結果検証部２３２は、基本的に、学習結果検証部２１２と同様の機能を備えるが、さらに、図２２の検証装置１３から送信されてくる検証結果、失敗データおよび正解データ、並びに矯正関数を受信する。このとき、学習結果検証部２３２は、検証を依頼した個人化関数に問題があることを示す検証結果が送信されてくるとき、併せて送られてくる失敗データおよび正解データ、並びに矯正関数を受信すると、失敗データおよび正解データ、並びに矯正関数を個人化関数学習部２３１にフィードバックする。

個人化関数学習部２３１は、基本的に、個人化関数学習部２１１と同様の機能を備えるが、さらに、学習結果検証部２３２より失敗データおよび正解データ、並びに矯正関数を取得すると、以降の関数学習にこれを利用する。

さらに、検証結果判定部２３３は、基本的な機能が検証結果判定部９４と同様であるが、さらに、矯正関数も併せて送信されてくるとき、矯正関数の検証結果に基づいて、個人化関数の更新を判定し、検証結果に問題がなければ、個人化関数を矯正関数で更新させる。

個人化関数更新部２３４は、基本的には、個人化関数更新部９５と同様の機能を備えているが、さらに、矯正関数の検証結果に問題がない場合、矯正関数で、個人化関数記憶部５４に記憶されている、対応する個人化関数を更新する。

＜図２２の検証装置における検証処理＞
ここで、図２４のフローチャートを参照して、検証結果に問題がある場合、再訓練により個人化関数を矯正した矯正関数を生成するときの検証処理について説明する。尚、図２０のステップＳ２６１乃至Ｓ２７５，Ｓ２７７の処理については、図１７のステップＳ１６１乃至Ｓ１７６と同様の処理であるので、その説明は省略するものとする。

すなわち、ステップＳ２７６において、検証部２２１は、検証結果が問題のないものであるか否かを判定する。ここで、検証結果に問題がある場合、処理は、ステップＳ２７８に進む。

ステップＳ２７８において、検証部２２１は、個人化関数の再訓練（再学習）を行うことで矯正し、矯正関数を生成し、さらに、検証する。

ステップＳ２７９において、検証部１９０は、矯正関数の検証結果と共に、失敗データおよび矯正関数を運転制御装置１１に供給する。

尚、矯正関数は、学習量に応じて、必ずしも安全性が確認されるレベルにまで達したものとならない可能性がある。しかしながら、矯正関数が完成するまでに必要とされる学習がある程度なされた状態となるため、これを利用した学習により学習効率を向上させることが可能となる。

以上の処理により、検証結果と共に、失敗データおよび矯正関数を運転制御装置１１に供給することが可能となる。

＜図２３の運転制御装置における個人化関数更新処理＞
次に、図２５のフローチャートを参照して、検証結果と共に、失敗データおよび矯正関数が送信されてくるときの運転制御装置１１における個人化関数更新処理について説明する。尚、図２１におけるステップＳ３０１，Ｓ３０２，Ｓ３０４、およびＳ３０５の処理は、図１４におけるステップＳ１４１、Ｓ１４２、Ｓ１４４、およびＳ１４５の処理と同様であるので、その説明は適宜省略するものとする。

すなわち、ステップＳ３０３において、学習結果検証部２３２は、検証結果と共に、失敗データおよび矯正関数を取得する。

そして、ステップＳ３０４において、検証結果判定部２３３により個人化関数に問題がある場合、処理は、ステップＳ３０６に進む。

ステップＳ３０６において、検証結果判定部２３３は、矯正関数に問題があるか否かを判定する。ステップＳ３０６において、問題があるとみなされた場合、処理は、ステップＳ３０７に進む。

ステップＳ３０７において、学習結果検証部２３２は、失敗データおよび矯正関数を個人化関数学習部２３１に供給し、フィードバックする。

この処理により再学習が可能となり、さらに、ある程度学習が進んだ状態であるので、学習効率を向上させることが可能となる。

一方、ステップＳ３０６において、矯正関数に問題がない場合、処理は、ステップＳ３０５に進む。すなわち、この場合、ステップＳ３０５において、個人化関数更新部２３４は、個人化関数記憶部５４に記憶されている個人化関数を、送信されてきた矯正関数により更新する。

以上の処理により、個人化関数が検証装置１３により検証された後、問題がある場合、再訓練により矯正関数が求められ、問題がないレベルの矯正関数が求められれば、運転制御装置１１は、個人化関数を直ちに更新することが可能となる。このため、普段、あまり運転しない運転者であっても効率よく個人化関数を更新することが可能となる。

また、矯正関数が不完全であっても、ある程度学習が進んだ矯正関数と失敗データを用いて再学習させることができるので、学習効率を向上させることが可能となる。

＜＜４．第１の応用例＞＞
本開示に係る技術は、様々な製品へ応用することができる。例えば、本開示に係る技術は、自動車、電気自動車、ハイブリッド電気自動車、自動二輪車などのいずれかの種類の自動車に搭載される装置として実現されてもよい。

図２６は、本開示に係る技術が適用され得る自動車制御システム２０００の概略的な構成の一例を示すブロック図である。自動車制御システム２０００は、通信ネットワーク２０１０を介して接続された複数の電子制御ユニットを備える。図２６に示した例では、自動車制御システム２０００は、駆動系制御ユニット２１００、ボディ系制御ユニット２２００、バッテリ制御ユニット２３００、車外情報検出ユニット２４００、車内情報検出ユニット２５００、及び統合制御ユニット２６００を備える。これらの複数の制御ユニットを接続する通信ネットワーク２０１０は、例えば、ＣＡＮ（Controller Area Network）、ＬＩＮ（Local Interconnect Network）、ＬＡＮ（Local Area Network）又はＦｌｅｘＲａｙ（登録商標）等の任意の規格に準拠した車載通信ネットワークであってよい。

各制御ユニットは、各種プログラムにしたがって演算処理を行うマイクロコンピュータと、マイクロコンピュータにより実行されるプログラム又は各種演算に用いられるパラメータ等を記憶する記憶部と、各種制御対象の装置を駆動する駆動回路とを備える。各制御ユニットは、通信ネットワーク２０１０を介して他の制御ユニットとの間で通信を行うためのネットワークＩ／Ｆを備えるとともに、車内外の装置又はセンサ等との間で、有線通信又は無線通信により通信を行うための通信Ｉ／Ｆを備える。図２６では、統合制御ユニット２６００の機能構成として、マイクロコンピュータ２６１０、汎用通信Ｉ／Ｆ２６２０、専用通信Ｉ／Ｆ２６３０、測位部２６４０、ビーコン受信部２６５０、車内機器Ｉ／Ｆ２６６０、音声画像出力部２６７０、車載ネットワークＩ／Ｆ２６８０及び記憶部２６９０が図示されている。他の制御ユニットも同様に、マイクロコンピュータ、通信Ｉ／Ｆ及び記憶部等を備える。

駆動系制御ユニット２１００は、各種プログラムにしたがって自動車の駆動系に関連する装置の動作を制御する。例えば、駆動系制御ユニット２１００は、内燃機関又は駆動用モータ等の自動車の駆動力を発生させるための駆動力発生装置、駆動力を車輪に伝達するための駆動力伝達機構、自動車の舵角を調節するステアリング機構、及び、自動車の制動力を発生させるＺｃ等の制御装置として機能する。駆動系制御ユニット２１００は、ＡＢＳ（Antilock Brake System）又はＥＳＣ（Electronic Stability Control）等の制御装置としての機能を有してもよい。

駆動系制御ユニット２１００には、自動車状態検出部２１１０が接続される。自動車状態検出部２１１０には、例えば、車体の軸回転運動の角速度を検出するジャイロセンサ、自動車の加速度を検出する加速度センサ、あるいは、アクセルペダルの操作量、ブレーキペダルの操作量、ステアリングホイールの操舵角、エンジン回転数又は車輪の回転速度等を検出するためのセンサのうちの少なくとも一つが含まれる。駆動系制御ユニット２１００は、自動車状態検出部２１１０から入力される信号を用いて演算処理を行い、内燃機関、駆動用モータ、電動パワーステアリング装置又はブレーキ装置等を制御する。

ボディ系制御ユニット２２００は、各種プログラムにしたがって車体に装備された各種装置の動作を制御する。例えば、ボディ系制御ユニット２２００は、キーレスエントリシステム、スマートキーシステム、パワーウィンドウ装置、あるいは、ヘッドランプ、バックランプ、ブレーキランプ、ウィンカー又はフォグランプ等の各種ランプの制御装置として機能する。この場合、ボディ系制御ユニット２２００には、鍵を代替する携帯機から発信される電波又は各種スイッチの信号が入力され得る。ボディ系制御ユニット２２００は、これらの電波又は信号の入力を受け付け、自動車のドアロック装置、パワーウィンドウ装置、ランプ等を制御する。

バッテリ制御ユニット２３００は、各種プログラムにしたがって駆動用モータの電力供給源である二次電池２３１０を制御する。例えば、バッテリ制御ユニット２３００には、二次電池２３１０を備えたバッテリ装置から、バッテリ温度、バッテリ出力電圧又はバッテリの残存容量等の情報が入力される。バッテリ制御ユニット２３００は、これらの信号を用いて演算処理を行い、二次電池２３１０の温度調節制御又はバッテリ装置に備えられた冷却装置等の制御を行う。

車外情報検出ユニット２４００は、自動車制御システム２０００を搭載した自動車の外部の情報を検出する。例えば、車外情報検出ユニット２４００には、撮像部２４１０及び車外情報検出部２４２０のうちの少なくとも一方が接続される。撮像部２４１０には、ＴｏＦ（Time Of Flight）カメラ、ステレオカメラ、単眼カメラ、赤外線カメラ及びその他のカメラのうちの少なくとも一つが含まれる。車外情報検出部２４２０には、例えば、現在の天候又は気象を検出するための環境センサ、あるいは、自動車制御システム２０００を搭載した自動車の周囲の他の自動車、障害物又は歩行者等を検出するための周囲情報検出センサが含まれる。

環境センサは、例えば、雨天を検出する雨滴センサ、霧を検出する霧センサ、日照度合いを検出する日照センサ、及び降雪を検出する雪センサのうちの少なくとも一つであってよい。周囲情報検出センサは、超音波センサ、レーダ装置及びＬＩＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）装置のうちの少なくとも一つであってよい。これらの撮像部２４１０及び車外情報検出部２４２０は、それぞれ独立したセンサないし装置として備えられてもよいし、複数のセンサないし装置が統合された装置として備えられてもよい。

ここで、図２７は、撮像部２４１０及び車外情報検出部２４２０の設置位置の例を示す。撮像部２９１０，２９１２，２９１４，２９１６，２９１８は、例えば、自動車２９００のフロントノーズ、サイドミラー、リアバンパ、バックドア及び車室内のフロントガラスの上部のうちの少なくとも一つの位置に設けられる。フロントノーズに備えられる撮像部２９１０及び車室内のフロントガラスの上部に備えられる撮像部２９１８は、主として自動車２９００の前方の画像を取得する。サイドミラーに備えられる撮像部２９１２，２９１４は、主として自動車２９００の側方の画像を取得する。リアバンパ又はバックドアに備えられる撮像部２９１６は、主として自動車２９００の後方の画像を取得する。車室内のフロントガラスの上部に備えられる撮像部２９１８は、主として先行自動車又は、歩行者、障害物、信号機、交通標識又は車線等の検出に用いられる。

なお、図２７には、それぞれの撮像部２９１０，２９１２，２９１４，２９１６の撮影範囲の一例が示されている。撮像範囲ａは、フロントノーズに設けられた撮像部２９１０の撮像範囲を示し、撮像範囲ｂ，ｃは、それぞれサイドミラーに設けられた撮像部２９１２，２９１４の撮像範囲を示し、撮像範囲ｄは、リアバンパ又はバックドアに設けられた撮像部２９１６の撮像範囲を示す。例えば、撮像部２９１０，２９１２，２９１４，２９１６で撮像された画像データが重ね合わせられることにより、自動車２９００を上方から見た俯瞰画像が得られる。

自動車２９００のフロント、リア、サイド、コーナ及び車室内のフロントガラスの上部に設けられる車外情報検出部２９２０，２９２２，２９２４，２９２６，２９２８，２９３０は、例えば超音波センサ又はレーダ装置であってよい。自動車２９００のフロントノーズ、リアバンパ、バックドア及び車室内のフロントガラスの上部に設けられる車外情報検出部２９２０，２９２６，２９３０は、例えばＬＩＤＡＲ装置であってよい。これらの車外情報検出部２９２０乃至２９３０は、主として先行自動車、歩行者又は障害物等の検出に用いられる。

図２６に戻って説明を続ける。車外情報検出ユニット２４００は、撮像部２４１０に車外の画像を撮像させるとともに、撮像された画像データを受信する。また、車外情報検出ユニット２４００は、接続されている車外情報検出部２４２０から検出情報を受信する。車外情報検出部２４２０が超音波センサ、レーダ装置又はＬＩＤＡＲ装置である場合には、車外情報検出ユニット２４００は、超音波又は電磁波等を発信させるとともに、受信された反射波の情報を受信する。車外情報検出ユニット２４００は、受信した情報に基づいて、人、車、障害物、標識又は路面上の文字等の物体検出処理又は距離検出処理を行ってもよい。車外情報検出ユニット２４００は、受信した情報に基づいて、降雨、霧又は路面状況等を認識する環境認識処理を行ってもよい。車外情報検出ユニット２４００は、受信した情報に基づいて、車外の物体までの距離を算出してもよい。

また、車外情報検出ユニット２４００は、受信した画像データに基づいて、人、車、障害物、標識又は路面上の文字等を認識する画像認識処理又は距離検出処理を行ってもよい。車外情報検出ユニット２４００は、受信した画像データに対して歪補正又は位置合わせ等の処理を行うとともに、異なる撮像部２４１０により撮像された画像データを合成して、俯瞰画像又はパノラマ画像を生成してもよい。車外情報検出ユニット２４００は、異なる撮像部２４１０により撮像された画像データを用いて、視点変換処理を行ってもよい。

車内情報検出ユニット２５００は、車内の情報を検出する。車内情報検出ユニット２５００には、例えば、運転者の状態を検出する運転者状態検出部２５１０が接続される。運転者状態検出部２５１０は、運転者を撮像するカメラ、運転者の生体情報を検出する生体センサ又は車室内の音声を集音するマイク等を含んでもよい。生体センサは、例えば、座面又はステアリングホイール等に設けられ、座席に座った搭乗者又はステアリングホイールを握る運転者の生体情報を検出する。車内情報検出ユニット２５００は、運転者状態検出部２５１０から入力される検出情報に基づいて、運転者の疲労度合い又は集中度合いを算出してもよいし、運転者が居眠りをしていないかを判別してもよい。車内情報検出ユニット２５００は、集音された音声信号に対してノイズキャンセリング処理等の処理を行ってもよい。

統合制御ユニット２６００は、各種プログラムにしたがって自動車制御システム２０００内の動作全般を制御する。統合制御ユニット２６００には、入力部２８００が接続されている。入力部２８００は、例えば、タッチパネル、ボタン、マイクロフォン、スイッチ又はレバー等、搭乗者によって入力操作され得る装置によって実現される。入力部２８００は、例えば、赤外線又はその他の電波を利用したリモートコントロール装置であってもよいし、自動車制御システム２０００の操作に対応した携帯電話又はＰＤＡ（Personal Digital Assistant）等の外部接続機器であってもよい。入力部２８００は、例えばカメラであってもよく、その場合搭乗者はジェスチャにより情報を入力することができる。さらに、入力部２８００は、例えば、上記の入力部２８００を用いて搭乗者等により入力された情報に基づいて入力信号を生成し、統合制御ユニット２６００に出力する入力制御回路などを含んでもよい。搭乗者等は、この入力部２８００を操作することにより、自動車制御システム２０００に対して各種のデータを入力したり処理動作を指示したりする。

記憶部２６９０は、マイクロコンピュータにより実行される各種プログラムを記憶するＲＡＭ（Random Access Memory）、及び各種パラメータ、演算結果又はセンサ値等を記憶するＲＯＭ（Read Only Memory）を含んでいてもよい。また、記憶部２６９０は、ＨＤＤ（Hard Disc Drive）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス又は光磁気記憶デバイス等によって実現してもよい。

汎用通信Ｉ／Ｆ２６２０は、外部環境２７５０に存在する様々な機器との間の通信を仲介する汎用的な通信Ｉ／Ｆである。汎用通信Ｉ／Ｆ２６２０は、ＧＳＭ（登録商標）（Global System of Mobile communications）、ＷｉＭＡＸ、ＬＴＥ（Long Term Evolution）若しくはＬＴＥ−Ａ（LTE−Advanced）などのセルラー通信プロトコル、又は無線ＬＡＮ（Ｗｉ−Ｆｉ（登録商標）ともいう）などのその他の無線通信プロトコルを実装してよい。汎用通信Ｉ／Ｆ２６２０は、例えば、基地局又はアクセスポイントを介して、外部ネットワーク（例えば、インターネット、クラウドネットワーク又は事業者固有のネットワーク）上に存在する機器（例えば、アプリケーションサーバ又は制御サーバ）へ接続してもよい。また、汎用通信Ｉ／Ｆ２６２０は、例えばＰ２Ｐ（Peer To Peer）技術を用いて、自動車の近傍に存在する端末（例えば、歩行者若しくは店舗の端末、又はＭＴＣ（Machine Type Communication）端末）と接続してもよい。

専用通信Ｉ／Ｆ２６３０は、自動車における使用を目的として策定された通信プロトコルをサポートする通信Ｉ／Ｆである。専用通信Ｉ／Ｆ２６３０は、例えば、下位レイヤのＩＥＥＥ８０２．１１ｐと上位レイヤのＩＥＥＥ１６０９との組合せであるＷＡＶＥ（Wireless Access in Vehicle Environment）、又はＤＳＲＣ（Dedicated Short Range Communications）といった標準プロトコルを実装してよい。専用通信Ｉ／Ｆ２６３０は、典型的には、車車間（Vehicle to Vehicle）通信、路車間（Vehicle to Infrastructure）通信及び歩車間（Vehicle to Pedestrian）通信のうちの１つ以上を含む概念であるＶ２Ｘ通信を遂行する。

測位部２６４０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）衛星からのＧＮＳＳ信号（例えば、ＧＰＳ（Global Positioning System）衛星からのＧＰＳ信号）を受信して測位を実行し、自動車の緯度、経度及び高度を含む位置情報を生成する。なお、測位部２６４０は、無線アクセスポイントとの信号の交換により現在位置を特定してもよく、又は測位機能を有する携帯電話、ＰＨＳ若しくはスマートフォンといった端末から位置情報を取得してもよい。

ビーコン受信部２６５０は、例えば、道路上に設置された無線局等から発信される電波あるいは電磁波を受信し、現在位置、渋滞、通行止め又は所要時間等の情報を取得する。なお、ビーコン受信部２６５０の機能は、上述した専用通信Ｉ／Ｆ２６３０に含まれてもよい。

車内機器Ｉ／Ｆ２６６０は、マイクロコンピュータ２６１０と車内に存在する様々な機器との間の接続を仲介する通信インタフェースである。車内機器Ｉ／Ｆ２６６０は、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＮＦＣ（Near Field Communication）又はＷＵＳＢ（Wireless USB）といった無線通信プロトコルを用いて無線接続を確立してもよい。また、車内機器Ｉ／Ｆ２６６０は、図示しない接続端子（及び、必要であればケーブル）を介して有線接続を確立してもよい。車内機器Ｉ／Ｆ２６６０は、例えば、搭乗者が有するモバイル機器若しくはウェアラブル機器、又は自動車に搬入され若しくは取り付けられる情報機器との間で、制御信号又はデータ信号を交換する。

車載ネットワークＩ／Ｆ２６８０は、マイクロコンピュータ２６１０と通信ネットワーク２０１０との間の通信を仲介するインタフェースである。車載ネットワークＩ／Ｆ２６８０は、通信ネットワーク２０１０によりサポートされる所定のプロトコルに則して、信号等を送受信する。

統合制御ユニット２６００のマイクロコンピュータ２６１０は、汎用通信Ｉ／Ｆ２６２０、専用通信Ｉ／Ｆ２６３０、測位部２６４０、ビーコン受信部２６５０、車内機器Ｉ／Ｆ２６６０及び車載ネットワークＩ／Ｆ２６８０のうちの少なくとも一つを介して取得される情報に基づき、各種プログラムにしたがって、自動車制御システム２０００を制御する。例えば、マイクロコンピュータ２６１０は、取得される車内外の情報に基づいて、駆動力発生装置、ステアリング機構又は制動装置の制御目標値を演算し、駆動系制御ユニット２１００に対して制御指令を出力してもよい。例えば、マイクロコンピュータ２６１０は、自動車の衝突回避あるいは衝撃緩和、車間距離に基づく追従走行、車速維持走行、自動運転等を目的とした協調制御を行ってもよい。

マイクロコンピュータ２６１０は、汎用通信Ｉ／Ｆ２６２０、専用通信Ｉ／Ｆ２６３０、測位部２６４０、ビーコン受信部２６５０、車内機器Ｉ／Ｆ２６６０及び車載ネットワークＩ／Ｆ２６８０のうちの少なくとも一つを介して取得される情報に基づき、自動車の現在位置の周辺情報を含むローカル地図情報を作成してもよい。また、マイクロコンピュータ２６１０は、取得される情報に基づき、自動車の衝突、歩行者等の近接又は通行止めの道路への進入等の危険を予測し、警告用信号を生成してもよい。警告用信号は、例えば、警告音を発生させたり、警告ランプを点灯させたりするための信号であってよい。

音声画像出力部２６７０は、自動車の搭乗者又は車外に対して、視覚的又は聴覚的に情報を通知することが可能な出力装置へ音声及び画像のうちの少なくとも一方の出力信号を送信する。図２６の例では、出力装置として、オーディオスピーカ２７１０、表示部２７２０及びインストルメントパネル２７３０が例示されている。表示部２７２０は、例えば、オンボードディスプレイ及びヘッドアップディスプレイの少なくとも一つを含んでいてもよい。表示部２７２０は、ＡＲ（Augmented Reality）表示機能を有していてもよい。出力装置は、これらの装置以外の、ヘッドホン、プロジェクタ又はランプ等の他の装置であってもよい。出力装置が表示装置の場合、表示装置は、マイクロコンピュータ２６１０が行った各種処理により得られた結果又は他の制御ユニットから受信された情報を、テキスト、イメージ、表、グラフ等、様々な形式で視覚的に表示する。また、出力装置が音声出力装置の場合、音声出力装置は、再生された音声データ又は音響データ等からなるオーディオ信号をアナログ信号に変換して聴覚的に出力する。

なお、図２６に示した例において、通信ネットワーク２０１０を介して接続された少なくとも二つの制御ユニットが一つの制御ユニットとして一体化されてもよい。あるいは、個々の制御ユニットが、複数の制御ユニットにより構成されてもよい。さらに、自動車制御システム２０００が、図示されていない別の制御ユニットを備えてもよい。また、上記の説明において、いずれかの制御ユニットが担う機能の一部又は全部を、他の制御ユニットに持たせてもよい。つまり、通信ネットワーク２０１０を介して情報の送受信がされるようになっていれば、所定の演算処理が、いずれかの制御ユニットで行われるようになってもよい。同様に、いずれかの制御ユニットに接続されているセンサ又は装置が、他の制御ユニットに接続されるとともに、複数の制御ユニットが、通信ネットワーク２０１０を介して相互に検出情報を送受信してもよい。

以上説明した自動車制御システム２０００において、図１を用いて説明した本実施形態に係る運転制御装置１１は、図２６に示した応用例の統合制御ユニット２６００に適用することができる。例えば、図１の運転制御装置１１の自動運転制御ブロック２１、個人化ブロック２２、および手動運転制御部３２は、統合制御ユニット２６００のマイクロコンピュータ２６１０、記憶部２６９０、車載ネットワークＩ／Ｆ２６８０に相当する。例えば、統合制御ユニット２６００が自動運転制御ブロック２１として機能することにより、自動運転を安全に実現することができる。また、個人化ブロック２２が、個人化関数を学習することにより、運転者毎の嗜好に応じた自動運転を実現することができる。

また、図１を用いて説明した運転制御装置１１の少なくとも一部の構成要素は、図２６に示した統合制御ユニット２６００のためのモジュール（例えば、一つのダイで構成される集積回路モジュール）において実現されてもよい。あるいは、図１を用いて説明した運転制御装置１１が、図２６に示した自動車制御システム２０００の複数の制御ユニットによって実現されてもよい。すなわち、検出部３４は、例えば、図２６に示した自動制御システム２０００の車外情報検出ユニット２４００、および車内検出ユニット２５００の少なくともいずれかによって実現されるようにしてもよい。

なお、図１を用いて説明した運転制御装置１１の各機能を実現するためのコンピュータプログラムを、いずれかの制御ユニット等に実装することができる。また、このようなコンピュータプログラムが格納された、コンピュータで読み取り可能な記録媒体を提供することもできる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリ等である。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信されてもよい。

＜＜５．第２の応用例＞＞
＜ソフトウェアにより実行させる例＞
ところで、上述した一連の処理は、ハードウェアにより実行させることもできるが、ソフトウェアにより実行させることもできる。一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、記録媒体からインストールされる。

図２８は、汎用のパーソナルコンピュータの構成例を示している。このパーソナルコンピュータは、CPU(Central Processing Unit)３００１を内蔵している。CPU３００１にはバス３００４を介して、入出力インタ-フェイス３００５が接続されている。バス３００４には、ROM(Read Only Memory)３００２およびRAM(Random Access Memory)３００３が接続されている。

入出力インタ-フェイス３００５には、ユーザが操作コマンドを入力するキーボード、マウスなどの入力デバイスよりなる入力部３００６、処理操作画面や処理結果の画像を表示デバイスに出力する出力部３００７、プログラムや各種データを格納するハードディスクドライブなどよりなる記憶部３００８、LAN（Local Area Network）アダプタなどよりなり、インターネットに代表されるネットワークを介した通信処理を実行する通信部３００９が接続されている。また、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM(Compact Disc-Read Only Memory)、DVD(Digital Versatile Disc)を含む）、光磁気ディスク（ＭＤ(Mini Disc)を含む）、もしくは半導体メモリなどのリムーバブルメディア３０１１に対してデータを読み書きするドライブ３０１０が接続されている。

CPU３００１は、ROM３００２に記憶されているプログラム、または磁気ディスク、光ディスク、光磁気ディスク、もしくは半導体メモリ等のリムーバブルメディア３０１１ら読み出されて記憶部３００８にインストールされ、記憶部３００８からRAM３００３にロードされたプログラムに従って各種の処理を実行する。RAM３００３にはまた、CPU３００１が各種の処理を実行する上において必要なデータなども適宜記憶される。

以上のように構成されるコンピュータでは、CPU３００１が、例えば、記憶部３００８に記憶されているプログラムを、入出力インタフェース３００５及びバス３００４を介して、RAM３００３にロードして実行することにより、上述した一連の処理が行われる。

コンピュータ（CPU３００１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア３０１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。

コンピュータでは、プログラムは、リムーバブルメディア３０１１をドライブ３０１０に装着することにより、入出力インタフェース３００５を介して、記憶部３００８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部３００９で受信し、記憶部３００８にインストールすることができる。その他、プログラムは、ROM３００２や記憶部３００８に、あらかじめインストールしておくことができる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。

なお、本開示の実施の形態は、上述した実施の形態に限定されるものではなく、本開示の要旨を逸脱しない範囲において種々の変更が可能である。

例えば、本開示は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。

また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。

さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。

尚、本開示は、以下のような構成も取ることができる。
＜１＞ 移動体を運転する運転者の運転操作の入力を受け付ける操作部と、
前記移動体の状態を検出する検出部と、
前記運転操作に係る操作情報と、前記検出部の検出結果に基づいて、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、
前記検出結果、および、前記個人化関数に基づいて、前記移動体の動作を制御する動作制御部とを含む
運転制御装置。
＜２＞ ネットワークを介して、外部の検証装置に、前記学習部により学習された個人化関数の検証を要求し、検証結果を取得する検証部をさらに含む
＜１＞に記載の運転制御装置。
＜３＞ 前記学習部により学習された個人化関数を記憶する学習結果記憶部をさらに含み、
前記移動体の運転モードは、前記運転者により受け付けられた運転操作の入力に応じて動作する手動運転モードと、前記検出結果、および、前記検証部により検証された前記個人化関数に基づいて、前記運転者による運転操作を必要とせずに動作する自動運転モードとを含み、
前記学習部は、前記手動運転モードにおいて、前記運転操作に係る操作情報と、前記検出部の検出結果に基づいて、前記運転者の前記運転操作に係る個人化関数を学習し、前記学習結果記憶部は、前記学習結果となる個人化関数を記憶する
＜２＞に記載の運転制御装置。
＜４＞ 前記検証部が取得する検証結果は、前記外部の検証装置により、前記学習結果記憶部に記憶された個人化関数が用いられて、前記自動運転モードでシミュレーション走行させた結果である
＜３＞に記載の運転制御装置。
＜５＞ 前記検証部が取得した検証結果に異常がない前記個人化関数を記憶する個人化関数記憶部と、
前記学習結果記憶部に記憶された前記個人化関数のうち、前記検証部により前記異常のないことが検証された前記個人化関数を、前記学習結果記憶部に記憶された前記個人化関数として更新する更新部とをさらに含む
＜４＞に記載の運転制御装置。
＜６＞ 前記動作制御部は、前記自動運転モードにおいて、前記検出結果、および、前記個人化関数記憶部に記憶されている、前記検証部により検証された前記個人化関数に基づいて、前記移動体の動作を制御する
＜５＞に記載の運転制御装置。
＜７＞ 前記学習結果記憶部、および前記個人化関数記憶部は、前記個人化関数を前記運転者毎で記憶する
＜５＞に記載の運転制御装置。
＜８＞ 前記学習結果記憶部、および前記個人化関数記憶部は、前記個人化関数を前記運転者毎に個別で、かつ、前記運転者毎に設定される複数のモード毎に記憶する
＜７＞に記載の運転制御装置。
＜９＞ 前記動作制御部は、前記運転者を認証し、
前記学習部は、前記動作制御部により認証された運転者毎に、前記個人化関数を学習し、前記学習結果記憶部に記憶させる
＜８＞に記載の運転制御装置。
＜１０＞ 前記動作制御部は、前記運転者を認証し、前記認証した運転者の、前記検証部により検証された前記個人化関数を前記個人化関数記憶部より読み出し、前記検出結果、および、前記検証部により検証された前記個人化関数に基づいて、前記移動体の動作を制御する
＜８＞に記載の運転制御装置。
＜１１＞ 移動体を運転する運転者の運転操作の入力を受け付け、
前記移動体の状態を検出し、
前記運転操作に係る操作情報と、前記検出部の検出結果に基づいて、前記運転者の前記運転操作に係る個人化関数を学習し、
前記検出結果、および、前記個人化関数に基づいて、前記移動体の動作を制御するステップを含む
運転制御方法。
＜１２＞ 移動体を運転する運転者の運転操作の入力を受け付ける操作部と、
前記移動体の状態を検出する検出部と、
前記運転操作に係る操作情報と、前記検出部の検出結果に基づいて、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、
前記検出結果、および、前記個人化関数に基づいて、前記移動体の動作を制御する動作制御部としてコンピュータを機能させる
プログラム。

１１ 運転制御装置， １２ 外界， １３ 検証装置， ２１ 自動運転制御ブロック， ２２ 個人化ブロック， ３１ 操作部， ３２ 手動運転制御部， ３３ 車体動作部， ３４ 検出部， ５１ 反射動作決定部， ５２ 熟考動作決定部， ５３ 自動運転制御部， ５４ 個人化関数記憶部， ７１ 環境認識部， ７２ ローカルマップ処理部， ７３ グローバルマップ処理部， ７４ 経路計画部， ７５ 行動計画部， ９１ 個人化関数学習部， ９２ 学習結果記憶部， ９３ 学習結果検証部， ９４ 検証結果判定部， ９５ 個人化関数更新部， １８１ 出発目的地ランダム設定部， １８２ 経路生成部， １８３ チェックポイント位置計算部， １８４ 行動決定モデル算出部， １８５ シミュレータ， １８６ イベント発生部， １８７ 状態算出部， １８８ センサモデルノイズモデル発生部， １８９ 記憶部， １９０ 検証部， ２０１ 検証部， ２１１ 個人化関数学習部， ２１２ 学習結果検証部， ２２１ 検証部， ２３１ 個人化関数学習部， ２３２ 学習結果検証部， ２３３ 検証結果判定部， ２３４ 個人化関数更新部

Claims (13)

1. 運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、
   前記個人化関数を用いて、前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性を検証する検証部とを含む
   情報処理システム。
2. 前記学習部により学習された個人化関数を記憶する学習結果記憶部をさらに含み、
   前記移動装置の運転モードは、前記運転者により受け付けられた運転操作の入力に応じて動作する手動運転モードと、検出された前記移動装置の状態、および、前記検証部により前記安全性が検証された前記個人化関数に基づいて、前記運転者による運転操作を必要とせずに動作する自動運転モードとを含み、
   前記学習部は、前記手動運転モードにおいて、前記運転操作に係る前記運転操作情報と、検出された前記移動装置の状態とに基づいた、前記学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習し、前記学習結果記憶部は、前記学習部の学習結果となる前記個人化関数を記憶する
   請求項１に記載の情報処理システム。
3. 前記検証部は、前記学習結果記憶部に記憶された前記個人化関数を用いて、前記自動運転モードで前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づく、前記個人化関数の安全性を検証する
   請求項２に記載の情報処理システム。
4. 前記検証部により前記安全性が検証された前記個人化関数を記憶する個人化関数記憶部と、
   前記学習結果記憶部に記憶された前記個人化関数のうち、前記検証部により前記安全性が検証された前記個人化関数を、前記個人化関数記憶部に記憶された前記個人化関数として更新する更新部とをさらに含む
   請求項３に記載の情報処理システム。
5. 前記自動運転モードにおいて、検出された前記移動装置の状態、および、前記個人化関数記憶部に記憶されている、前記検証部により前記安全性が検証された前記個人化関数に基づいて、前記移動装置の動作を制御する動作制御部をさらに含む
   請求項４に記載の情報処理システム。
6. 前記学習結果記憶部、および前記個人化関数記憶部は、前記個人化関数を前記運転者毎で記憶する
   請求項４に記載の情報処理システム。
7. 前記学習結果記憶部、および前記個人化関数記憶部は、前記個人化関数を前記運転者毎に個別で、かつ、前記運転者毎に設定される複数のモード毎に記憶する
   請求項６に記載の情報処理システム。
8. 前記動作制御部は、前記運転者を認証し、
   前記学習部は、前記動作制御部により認証された運転者毎に、前記個人化関数を学習し、前記学習結果記憶部に記憶させる
   請求項７に記載の情報処理システム。
9. 前記動作制御部は、前記運転者を認証し、前記認証した運転者の、前記検証部により前記安全性が検証された前記個人化関数を前記個人化関数記憶部より読み出し、検出された前記移動装置の状態、および、前記検証部により前記安全性が検証された前記個人化関数に基づいて、前記移動装置の動作を制御する
   請求項７に記載の情報処理システム。
10. 運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習し、
    前記個人化関数を用いて、前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性を検証するステップを含む
    情報処理システムの情報処理方法。
11. 運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、
    前記個人化関数を用いて、前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性を検証する検証部としてコンピュータを機能させる
    プログラム。
12. 運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、
    ネットワークを介して、外部の検証装置に、前記個人化関数を用いて、前記移動装置がシミュレーション走行された、前記シミュレーション走行の結果に基づいた、前記個人化関数の安全性を検証させるための前記個人化関数を通信する通信部とを含む
    情報処理装置。
13. 運転者の運転操作に係る運転操作情報と、検出された移動装置の状態とに基づいて、学習モデルによって、前記運転者の前記運転操作に係る個人化関数を学習する学習部と、
    前記個人化関数を用いて、前記移動装置のシミュレーション走行を実行し、前記シミュレーション走行の結果に基づいて、前記個人化関数の安全性を検証する検証部とを含む
    情報処理装置。

Images