JP7084124B2 - 運転支援制御システム - Google Patents

Description

本発明は、運転支援制御システムに係り、特に、目標パスに追従するように車両の走行を制御する運転支援制御システムに関する。

特許文献１には、自車両が走行車線から逸脱することを防止するための車線逸脱防止装置に関する技術が開示されている。この技術では、ドライバが方向指示器を操作することなく、自車両が走行車線から逸脱する可能性があると判断されたときに、その逸脱がドライバによる意図的なものであるか否かが判断される。具体的には、自車両の走行車線に対するヨー角、走行車線中央からの横変位、走行車線の曲率、及び自車両の車速を用いて、所定の注視時間後の走行車線中央からの横変位推定値が算出される。そして、この横変位推定値が所定値以上である場合に、車線逸脱状態であると判断される。

特開２００４－１６８１９２号公報

目標パスに追従するように車両を走行させるパス追従制御では、時刻情報を含まない目標パスと車両の速度計画から、時刻情報を含む目標軌道を算出し、目標軌道に従い車両を制御する。このようなパス追従制御によって車両を自動で走行させる自動運転中には、外乱等の影響によって車両が目標パスから逸脱したとしても、目標パスに追従するように車両の駆動、制動及び操舵が自動で制御される。

しかしながら、例えば自動運転による制御の限界に抵触するような外乱が車両に作用した場合には、目標パスに追従するように車両を制御できない状況も想定される。以下の説明では、このような自動運転制御が不調となるシステムの限界をシステム限界と称する。システム限界へ抵触した場合には、自動運転から手動運転への運転交代を必要とする場面も想定される。ドライバが手動運転必要性の認知及び判断を行うための時間を考慮して、システムはシステム限界への抵触見込みを事前に判断することが好ましい。

しかしながら、システム限界への抵触見込みの判断は容易ではない。すなわち、上記従来の技術による車線逸脱状態の判断は、目標パスへの追従制御が行われることを想定していない。このため、目標パスへの追従制御が行われるシステムにおいて上記従来の判断手法を適用すると、結果的にシステム限界に抵触しないような場合であっても誤判断がなされるおそれがある。このように、上記従来の技術を目標パスへの追従制御に適用すると、システム限界への抵触の見込みの判断が過敏になり過ぎるという課題がある。

本発明は、上述のような課題に鑑みてなされたもので、目標パスに追従するように車両の走行を制御するパス追従制御を行う運転支援制御システムにおいて、パス追従制御が不調となるシステム限界への抵触の見込みを正確に判断することを目的とする。

上記の課題を解決するため、第１の発明は、車両の運転支援制御システムに適用される。車両の運転支援制御システムは、目標パスの算出に必要な必要情報を取得する必要情報取得部と、必要情報に基づいて、目標パスを決定する目標パス決定部と、車両が目標パスに追従するように車両の走行装置を制御するパス追従制御を行う車両走行制御部と、パス追従制御が不調となるシステム限界への抵触の見込みを識別するシステム限界識別部と、を備える。システム限界識別部は、パス追従制御に関連する複数の車両特徴量とシステム限界への抵触確率との関係を、事前の機械学習によって学習した判定モデルを含んでいる。そして、システム限界識別部は、判定モデルを用いて、入力された複数の車両特徴量に対応するシステム限界への抵触確率を出力するように構成されている。このような運転支援制御システムにおいて、目標パス決定部は、必要情報に基づいて、目標パスを算出する目標パス算出部と、抵触確率が高いほど、パス追従制御における車両制御性能が抑制されるように目標パスを補正する目標パス補正部と、を含んで構成されている。

また、上記の課題を解決するため、第２の発明は、車両の運転支援制御システムに適用される。車両の運転支援制御システムは、目標パスの算出に必要な必要情報を取得する必要情報取得部と、必要情報に基づいて、目標パスを決定する目標パス決定部と、車両が目標パスに追従するように車両の走行装置を制御するパス追従制御を行う車両走行制御部と、パス追従制御が不調となるシステム限界への抵触の見込みを識別するシステム限界識別部と、を備える。システム限界識別部は、パス追従制御に関連する複数の車両特徴量とシステム限界への抵触確率との関係を、事前の機械学習によって学習した判定モデルを含んでいる。そして、システム限界識別部は、判定モデルを用いて、入力された複数の車両特徴量に対応するシステム限界への抵触確率を出力するように構成されている。このような運転支援制御システムにおいて、目標パス決定部は、必要情報に基づいて、目標パスを算出する目標パス算出部と、抵触確率が高いほど、パス追従制御における車両制御性能が抑制されるように目標パスを補正する目標パス補正部と、を含んで構成されている。

第３の発明は、第１又は第２の発明において、更に以下の特徴を有する。
車両走行制御部は、抵触確率が所定のしきい値を超えた場合に、ドライバに対して報知を行う報知部をさらに備えている。

第４の発明は、第１乃至第３の何れか１つの発明において、更に以下の特徴を有する。
車両走行制御部は、抵触確率が所定のしきい値を超えた状態が一定の期間継続した場合に、パス追従制御を終了するように構成されている。

第５の発明は、第１乃至第４の何れか１つの発明において、更に以下の特徴を有する。
運転支援制御システムは、判定モデルの更新を行う更新処理部を備えている。そして、更新処理部は、車両特徴量の過去データを蓄積する蓄積部と、過去データとシステム限界への抵触の見込みとの関係を機械学習することにより、判定モデルの予備モデルを作成する予備モデル作成部と、テストデータを用いて、判定モデルによる識別結果の正答率と、予備モデルによる識別結果の正答率と、を比較するモデル比較部と、予備モデルの正答率が判定モデルの正答率よりも一定以上高い場合には、判定モデルを予備モデルによって更新する判定モデル更新部と、を含むように構成されている。

第６の発明は、第１乃至第５の何れか１つの発明において、更に以下の特徴を有する。
システム限界識別部は、所定の確定条件が成立していない場合には、抵触確率を出力しないように構成されている。

第１又は第２の発明に係る運転支援制御システムによれば、事前の機械学習によって学習した判定モデルを用いて、パス追従制御におけるシステム限界への抵触の見込みが識別される。これにより、システム限界への実際の抵触に先立ってその兆候を精度よく識別することができる。

特に、第１の発明に係る運転支援制御システムによれば、システム限界への抵触の兆候に応じて、パス追従制御における指令値を補正することができる。これにより、システム限界への抵触を抑制することが可能となる。

また、第２の発明に係る運転支援制御システムによれば、システム限界への抵触の兆候に応じて、パス追従制御における目標パスを補正することができる。これにより、システム限界への抵触を抑制することが可能となる。

第３の発明に係る運転支援制御システムによれば、システム限界への実際の抵触に先立ってドライバに報知を行うことができる。これにより、システム限界への抵触の前にドライバが認知及び判断を行う時間猶予を確保することができる。

第４の発明に係る運転支援制御システムによれば、システム限界への抵触の兆候が一定期間継続している場合にパス追従制御を終了することができる。これにより、車両の安全性を担保することが可能となる。

第５の発明に係る運転支援制御システムによれば、より正答率の高い判定モデルに更新することができる。これにより、車両の経年劣化や季節変化による外部環境の変化等に対応してシステム限界への抵触の見込みを精度よく識別することができる。

第６の発明に係る運転支援制御システムによれば、システム限界への抵触の見込みに関して誤った抵触確率が出力されることを抑制することができる。

このように、本発明によれば、システム限界への抵触の見込みを正確に判断することのできる運転支援制御システムを提供することが可能となる。

実施の形態１に係る運転支援制御システムの構成を示すブロック図である。 実施の形態１に係る情報取得処理を説明するためのブロック図である。 実施の形態１に係る自動運転制御処理を説明するためのブロック図である。 実施の形態１に係るパス追従制御装置の機能構成を示すブロック図である。 実施の形態１に係るパス追従制御装置によるパス追従制御を示すフローチャートである。 実施の形態１に係るシステム限界識別部の機能構成を示すブロック図である。 実施の形態１に係るシステム限界識別部によるシステム限界識別処理を示すフローチャートである。 判定モデルの機械学習処理を行う際に実行されるルーチンのフローチャートである。 判別結果ラベルの作成方法を説明するための図である。 訓練データ及びテストデータの作成方法を説明するための図である。 ニューラルネットワークを用いた機械学習の方法を説明するための図である。 実施の形態２に係る報知制御部の機能構成を示すブロック図である。 実施の形態２に係る報知制御部による報知処理を示すフローチャートである。 実施の形態３に係るパス追従制御装置の機能構成を示すブロック図である。 実施の形態３に係るパス追従制御装置によるパス追従制御を示すフローチャートである。 実施の形態４に係るパス追従制御装置の機能構成を示すブロック図である。 実施の形態４に係るパス追従制御装置によるパス追従制御を示すフローチャートである。 実施の形態５に係る制御終了判定部の機能構成を示すブロック図である。 実施の形態５に係る制御終了判定部による制御終了判定処理を示すフローチャートである。 実施の形態６に係る判定モデル更新処理部の機能構成を示すブロック図である。 実施の形態６に係る判定モデル更新処理部による判定モデル更新処理を示すフローチャートである。

以下、図面を参照して本発明の実施の形態について説明する。ただし、以下に示す実施の形態において各要素の個数、数量、量、範囲等の数に言及した場合、特に明示した場合や原理的に明らかにその数に特定される場合を除いて、その言及した数に、この発明が限定されるものではない。また、以下に示す実施の形態において説明する構造やステップ等は、特に明示した場合や明らかに原理的にそれに特定される場合を除いて、この発明に必ずしも必須のものではない。

実施の形態１．
１－１．自動運転システムの構成
図１は、実施の形態１に係る運転支援制御システムの構成を示すブロック図である。運転支援制御システム１００は、車両に搭載されており、車両の自動運転を制御する。より詳細には、運転支援制御システム１００は、ＧＰＳ（Global Positioning System）受信機１０、地図データベース２０、周辺状況センサ３０、車両状態センサ４０、通信装置５０、走行装置６０、及び制御装置７０を備えている。

ＧＰＳ受信機１０は、複数のＧＰＳ衛星から送信される信号を受信し、受信信号に基づいて車両の位置及び方位を算出する。ＧＰＳ受信機１０は、算出した情報を制御装置７０に送る。

地図データベース２０には、地図上の各レーンの境界位置を示す情報があらかじめ記録されている。各レーンの境界位置は、点群あるいは線群で表される。この地図データベース２０は、所定の記憶装置に格納されている。

周辺状況センサ３０は、車両の周囲の状況を検出する。周辺状況センサ３０としては、ライダー（LIDAR: Laser Imaging Detection and Ranging）、レーダー、カメラなどが例示される。ライダーは、光を利用して車両の周囲の物標を検出する。レーダーは、電波を利用して車両の周囲の物標を検出する。カメラは、車両の周囲の状況を撮像する。周辺状況センサ３０は、検出した情報を制御装置７０に送る。

車両状態センサ４０は、車両の走行状態を検出する。車両状態センサ４０としては、車速センサ、舵角センサ、ヨーレートセンサ、横加速度センサ、前後加速度センサなどが例示される。車速センサは、車両の速度を検出する。舵角センサは、車両の操舵角を検出する。ヨーレートセンサは、車両のヨーレートを検出する。横加速度センサは、車両に作用する横加速度を検出する。前後加速度センサは、車両に作用する前後加速度を検出する。車両状態センサ４０は、検出した情報を制御装置７０に送る。

通信装置５０は、Ｖ２Ｘ通信（車車間通信および路車間通信）を行う。具体的には、通信装置５０は、他の車両との間でＶ２Ｖ通信（車車間通信）を行う。また、通信装置５０は、周囲のインフラとの間でＶ２Ｉ通信（路車間通信）を行う。Ｖ２Ｘ通信を通して、通信装置５０は、車両の周囲の環境に関する情報を取得することができる。通信装置５０は、取得した情報を制御装置７０に送る。

走行装置６０は、操舵装置、駆動装置、制動装置、トランスミッション等を含んでいる。操舵装置は、車輪を転舵する。駆動装置は、駆動力を発生させる動力源である。駆動装置としては、エンジンや電動機が例示される。制動装置は、制動力を発生させる。自動運転制御の実行中には、走行装置６０はアクチュエータによって操作される。また、ドライバによる手動運転中には、走行装置６０はドライバ自身によって制御される。なお、ドライバによって操作される操舵装置、駆動装置、及び制動装置は、それぞれステアリング、アクセルペダル、及びブレーキペダルが例示される。

制御装置７０は、車両の自動運転を制御する自動運転制御を行う。典型的には、制御装置７０は、プロセッサ、記憶装置、及び入出力インタフェースを備えるマイクロコンピュータである。制御装置７０は、ＥＣＵ（Electronic Control Unit）とも呼ばれる。制御装置７０は、入出力インタフェースを通して各種情報を受け取る。そして、制御装置７０は、受け取った情報に基づいて自動運転制御を行う。

より詳細には、制御装置７０は、機能ブロックとして、情報取得部７１、自動運転制御部７２、及びシステム限界識別部７３を備えている。これら機能ブロックは、制御装置７０のプロセッサが記憶装置に格納された制御プログラムを実行することにより実現される。制御プログラムは、コンピュータ読み取り可能な記録媒体に格納されていてもよい。情報取得部７１は、情報取得処理を行う。自動運転制御部７２は、自動運転制御処理を行う。そして、システム限界識別部７３は、システム限界識別処理を行う。

図２は、実施の形態１に係る情報取得処理を説明するためのブロック図である。情報取得処理において、情報取得部７１は、自動運転制御に必要な情報を取得する。尚、情報取得処理は、一定サイクル毎に繰り返し実行される。

より詳細には、情報取得部７１は、ＧＰＳ受信機１０から、車両の現在位置及び方位を示す位置方位情報８１を取得する。なお、位置方位情報８１は、ＧＰＳ受信機１０により算出する方法に限られない。すなわち、レーダーやカメラ等の周辺状況センサ３０を用いて認識された白線や周辺物体から位置方位情報８１を算出してもよい。

また、情報取得部７１は、地図データベース２０からレーンに関する情報を読み出し、レーン情報８２を生成する。レーン情報８２は、地図上の各レーンの配置（位置、形状、傾き）を含んでいる。情報取得部７１は、レーン情報８２に基づいて、レーンの合流、分岐、交差等を把握することができる。また、情報取得部７１は、レーン情報８２に基づいて、レーン曲率、レーン幅等を算出することができる。

また、情報取得部７１は、周辺状況センサ３０によって検出された情報に基づいて、周辺状況情報８３を生成する。周辺状況情報８３は、車両の周囲の物標に関する物標情報を含んでいる。物標としては、白線、路側物、周辺車両などが例示される。

また、情報取得部７１は、車両状態センサ４０によって検出された情報に基づいて、車両状態情報８４を生成する。車両状態情報８４は、車両速度、操舵角、ヨーレート、横加速度、前後加速度などの情報を含む。

また、情報取得部７１は、通信装置５０による通信を通して、配信情報８５を受け取る。配信情報８５は、インフラや周辺車両から配信される情報である。配信情報８５としては、工事区間情報、事故情報などが例示される。

以上に例示された位置方位情報８１、レーン情報８２、周辺状況情報８３、車両状態情報８４、及び配信情報８５は全て、車両の運転環境を示している。そのような車両の運転環境を示す情報は、以下「運転環境情報８０」と呼ばれる。すなわち、運転環境情報８０は、位置方位情報８１、レーン情報８２、周辺状況情報８３、車両状態情報８４、及び配信情報８５を含んでいる。

制御装置７０の情報取得部７１は、運転環境情報８０を取得する機能を有していると云える。図２に示されるように、この情報取得部７１は、ＧＰＳ受信機１０、地図データベース２０、周辺状況センサ３０、車両状態センサ４０、及び通信装置５０と共に、「情報取得装置１１０」を構成している。情報取得装置１１０は、運転支援制御システム１００の一部として、上述の情報取得処理を行う。

図３は、実施の形態１に係る自動運転制御処理を説明するためのブロック図である。自動運転制御部７２は、上記の運転環境情報８０に基づいて、自動運転制御を行う。特に、自動運転制御部７２は、自動運転制御の１つとしてパス追従制御を行う。パス追従制御において、自動運転制御部７２は、車両の目標パスを算出し、目標パスに追従するように車両の走行を制御する。車両の走行は、走行装置６０を適宜作動させることにより制御可能である。

自動運転制御部７２と走行装置６０は、「パス追従制御装置１２０」を構成している。パス追従制御装置１２０は、運転支援制御システム１００の一部として、パス追従制御を行う。以下、本実施の形態に係るパス追従制御装置１２０によるパス追従制御について、更に詳しく説明する。

１－２．パス追従制御装置
図４は、実施の形態１に係るパス追従制御装置の機能構成を示すブロック図である。パス追従制御装置１２０は、必要情報取得部１２１、目標パス決定部１２２、車両制御量決定部１２３、及び車両走行制御部１２４を備えている。

図５は、実施の形態１に係るパス追従制御装置によるパス追従制御を示すフローチャートである。図４及び図５を参照して、本実施の形態に係るパス追従制御装置１２０によるパス追従制御を説明する。

これらの図に示すように、必要情報取得部１２１は、情報取得装置１１０を通して、必要情報９０を定期的に取得する（ステップＳ１０）。必要情報９０は、目標パスの算出に必要な情報であり、上記の運転環境情報８０の一部である。例えば、必要情報９０は、位置方位情報８１、レーン情報８２、周辺状況情報８３、及び配信情報８５を含む。必要情報取得部１２１は、定期的に必要情報９０を取得し、目標パス決定部１２２に出力する。

次に、目標パス決定部１２２は、ステップＳ１０において取得された必要情報９０に基づいて、目標パスを決定する（ステップＳ１２）。目標パスの算出方法としては、様々なものが提案されている。本実施の形態における目標パスの算出方法は、特に限定されない。目標パス決定部１２２は、決定した目標パスを車両制御量決定部１２３に出力する。

車両制御量決定部１２３は、車両が目標パスに追従するように走行するための車両制御量の指令値を算出する（ステップＳ１４）。例えば、車両制御量決定部１２３は、横偏差、方位角差、目標パスの曲率等のパラメータに基づき、車両と目標パスとの間の偏差を減少させるための操舵角指令値や車両速度指令値等を算出する。そして、車両制御量決定部１２３は、決定した指令値を車両走行制御部１２４に出力する。

車両走行制御部１２４は、車両制御量決定部１２３から出力された車両制御量の指令値に従って走行装置６０を作動させる（ステップＳ１６）。例えば、走行装置６０は、車両の車輪を転舵するためのパワーステアリング（EPS: Electric Power Steering）装置を含んでいる。パワーステアリング装置のモータを駆動制御することによって、車輪を転舵することができる。車両走行制御部１２４は、車両制御量決定部１２３から出力された舵角指令値に従ってモータを駆動する。このようにしてパス追従制御が実現される。

１－３．システム限界識別処理
次に、本実施の形態に係る運転支援制御システム１００の特徴について説明する。上記のパス追従制御によれば、目標パスに追従するように車両の走行が制御される。しかしながら、パス追従制御の最中において、例えばパス追従制御の制御限界を超えるような外乱が車両に作用した場合、パス追従制御が不調となるシステム限界に抵触してしまうことがある。このようなシステム限界への抵触例としては、車両が車線を逸脱すること、車両が目標パスから一定以上乖離すること、車両速度が目標速度から一定以上乖離すること、車両が白線もしくは走行可能領域の境界に一定以上近づくこと、又はヨー角などのセンサ値が目標値から一定以上乖離することなどが挙げられる。このような場合、システムはドライバに対して運転交代を要請する必要があるため、システム限界への抵触を事前に正確に識別することが重要となる。

システム限界識別部７３は、運転支援制御システム１００の一部として、システム限界識別処理を行う。以下、本実施の形態に係るシステム限界識別処理について、更に詳しく説明する。

図６は、実施の形態１に係るシステム限界識別部の機能構成を示すブロック図である。システム限界識別部７３は、車両特徴量取得部７３１、判定モデル７３２、及び識別結果出力部７３３を含んでいる。

図７は、実施の形態１に係るシステム限界識別部によるシステム限界識別処理を示すフローチャートである。図６及び図７を参照して、本実施の形態に係るシステム限界識別部７３によるシステム限界識別処理を説明する。

これらの図に示すように、先ずシステム限界識別部７３は、パス追従制御の実行中か否かを判定する（ステップＳ２０）。その結果、パス追従制御の実行中ではないときには本ルーチンは終了され、パス追従制御の実行中であるときには次のステップに移行する。次のステップでは、車両特徴量取得部７３１は、車両特徴量９２を取得する（ステップＳ２２）。車両特徴量９２は、パス追従制御に関連する車両の特徴量であって、システム限界の識別に使用される。例えば、車両特徴量９２は、車両と目標パスとの間の横偏差、操舵角、車両速度、車両ヨーレート、前後加速度、横加速度、舵角指令値、車両速度指令値、車両ヨーレート指令値、前後加速度指令値、横加速度指令値、及び指令値とセンサ値の偏差のうちの少なくとも何れか１つを含む。具体的には、車両特徴量取得部７３１は、情報取得装置１１０或いはパス追従制御装置１２０からこれらの車両特徴量９２を取得する。車両特徴量取得部７３１は、取得した車両特徴量９２を判定モデル７３２に出力する。

次に、システム限界識別部７３は、判定モデル７３２を用いてシステム限界への抵触確率を識別する（ステップＳ２４）。具体的には、システム限界識別部７３は、取得した車両特徴量９２を判定モデル７３２に入力する。判定モデル７３２は、車両特徴量９２の入力を受けてシステム限界への抵触確率を出力するように構成されたモデルである。判定モデル７３２は事前の機械学習によって、識別結果の正答率が所定のしきい値を超えるようにそのパラメータや中間層の数が調整されている。判定モデル７３２の学習アルゴリズムには、ニューラルネットワーク、ＳＶＭ（Support Vector Machine）、ｋ－ＮＮ（k-nearest neighbor algorism）等、様々な方法を用いることができる。以下の説明では、一例として判定モデル７３２の学習アルゴリズムにニューラルネットワークを用いる。なお、判定モデル７３２の機械学習処理については、その一例を後述する。判定モデル７３２は、システム限界への抵触確率を識別結果出力部７３３へと出力する。

次に、識別結果出力部７３３は、識別結果の確定条件が成立したか否かを判定する（ステップＳ２６）。確定条件は、システム限界の識別結果のハンチングや誤判定を防止するための条件である。確定条件には、例えば、以下の条件が用いられる。

（１）判定モデル７３２によるシステム限界の識別処理が、一定時間同じ識別結果を識別したこと。
この条件は、システム限界の判定結果がハンチングすることを防止するためのものである。

また、確定条件は以下の条件でもよい。
（２）以下の（ａ）から（ｆ）の条件が全て成立すること。
（ａ）自動運転制御の実行中であること。
（ｂ－１）ドライバがステアリングを操舵していない、又は（ｂ－２）ドライバがステアリングを操舵している場合において、操舵方向に隣接する車線が存在しないこと。
（ｃ）運転支援制御システム１００が正常状態であること。
（ｄ）ドライバがブレーキペダルを操作していないこと。
（ｅ）ドライバがアクセルペダルを操作していないこと。
（ｆ）車両速度がしきい値以下であること。
上記条件のうち（ｂ－２）の条件は、ドライバの操舵による車線変更時を除外するための条件である。（ｂ－１）、（ｃ）及び（ｄ）の条件は、追従誤差の発生時を除外するための条件である。

上記ステップＳ２６の判定の結果、判定の成立が認められない場合には、本ルーチンは終了され、判定の成立が認められた場合には、次のステップに移行する。次のステップでは、識別結果出力部７３３は、判定モデル７３２から出力された識別結果を確定して出力する（ステップＳ２８）。このようにして、システム限界識別処理が実現される。

１－４．判定モデルの機械学習処理
次に、本実施の形態に係る運転支援制御システム１００が備える判定モデル７３２の機械学習処理について説明する。判定モデル７３２は、判定モデル７３２は、ニューラルネットワークを用いた機械学習処理を事前に行うことにより、車両特徴量とシステム限界への抵触の確率が関連付けられている。以下、判定モデル７３２の機械学習処理について、フローチャートに沿ってさらに詳しく説明する。

図８は、判定モデルの機械学習処理を行う際に実行されるルーチンのフローチャートである。図８に示す機械学習処理では、先ず、パス追従制御の実行中における所定期間の車両データが取得される（ステップＳ２）。ここでの車両データは、例えば、車両と目標パスとの間の横偏差、操舵角、車両速度、車両ヨーレート、前後加速度、横加速度、舵角指令値、車両速度指令値、車両ヨーレート指令値、前後加速度指令値、横加速度指令値が例示される。

次に、車両が車線維持可能である場合と車線から逸脱する場合の判別結果を表す判別結果ラベルが作成される（ステップＳ４）。図９は、判別結果ラベルの作成方法を説明するための図である。この図に示すように、判別結果ラベルは、ステップＳ２において取得された横偏差がしきい値を超えた場合に１とされ、それ以外の場合に０とされる。なお、ここでは、判別結果ラベルを作成する教師あり学習を例に説明しているが、判別結果ラベルを作成しない学習方法（例えば、One Class SVMやオートエンコーダ）を用いてもよい。

次に、機械学習のための訓練データ及びテストデータが作成される（ステップＳ６）。訓練データは判定モデルの機械学習に用いるデータであり、テストデータは機械学習を行なった判定モデルの評価に用いるデータである。図１０は、訓練データ及びテストデータの作成方法を説明するための図である。このステップでは、ステップＳ２において取得された車両データとステップＳ４において作成された判別結果ラベルが、所定のデータ幅を有し且つ所定のずらし幅ずつずらした複数のデータに分割される。データ幅は、判定に必要な時間に相当し、また、ずらし幅は演算周期に相当する。ここでは、データ幅が１０ｓとされ、ずらし幅が１６０ｍｓとされる。そして、例えばこれらのデータの一部が訓練データとされ、残りがテストデータとされる。

次に、作成された訓練データ及びテストデータを用いて、機械学習の実施及び検証が行われる（ステップＳ８）。ここでは、機械学習の代表的な学習アルゴリズムとして、ニューラルネットワークを利用して機械学習が行われる。図１１は、ニューラルネットワークを用いた機械学習の方法を説明するための図である。この図に示すように、ニューラルネットワークは、入力層と中間層と出力層によって構成されている。入力層には、ステップＳ６において分割された訓練データが入力される。出力層からの出力は、車線維持可能な場合と車線逸脱する場合とされる。なお、出力層からの出力は、車線逸脱の確率、すなわち、システム限界への抵触確率としてもよい。ニューロンは、例えばシグモイド関数とし勾配下降法を利用して学習される。そして、テストデータを用いた識別結果の正答率が所定のしきい値を超えるまで、データ数の増減、入力の正規化、中間層の数等のパラメータが調整される。このような手法によって、判定モデル７３２の機械学習が行われる。

１－５．実施の形態１の変形例
実施の形態１の運転支援制御システム１００は、以下のように変形したシステムとして構成されていてもよい。

システム限界識別部７３は、車両と通信可能な管理サーバの内部に構成されていてもよい。この場合、車両特徴量９２を車両側から管理サーバへと送信し、管理サーバにてシステム限界への抵触の見込みを識別し、識別結果を管理サーバから車両に送信する構成とすればよい。

システム限界識別部７３から出力される識別結果は、システム限界への抵触確率に限らず、抵触有無でもよい。

識別結果出力部７３３が行う識別結果の確定条件の成立判定は必須ではない。

実施の形態２．
次に、実施の形態２の運転支援制御システムについて説明する。

２－１．実施の形態２の特徴
実施の形態２の運転支援制御システム１００は、システム限界への抵触が見込まれる場合にドライバに報知する報知処理に特徴を有している。報知制御部１４０は、運転支援制御システム１００の一部として、報知処理を行う。以下、本実施の形態に係る報知処理について、更に詳しく説明する。

図１２は、実施の形態２に係る報知制御部の機能構成を示すブロック図である。報知制御部１４０は、識別結果取得部１４１、識別結果判定部１４２、及び報知部１４３を含んでいる。図１３は、実施の形態２に係る報知制御部による報知処理を示すフローチャートである。図１２及び図１３を参照して、本実施の形態に係る報知制御部１４０による報知処理を説明する。

これらの図に示すように、先ず識別結果取得部１４１は、システム限界識別部１３０から識別結果９４を取得する（ステップＳ２０）。ここでの識別結果９４は、システム限界への抵触確率である。識別結果取得部１４１は、取得した識別結果９４を識別結果判定部１４２に出力する。

次のステップでは、識別結果判定部１４２は、システム限界に抵触する見込みを判定する。ここでは、具体的には、識別結果判定部１４２は、識別結果９４が所定のしきい値より大きいか否かを判定する。ここでのしきい値は、システム限界に抵触するか否かを判断するためのしきい値であって、予めメモリに記憶されている。判定の結果、判定の成立が認められない場合には、システム限界へ抵触しないと判断して本ルーチンは終了する。一方、判定の成立が認められた場合には、システム限界へ抵触すると判断して次のステップに移行する。

次のステップでは、報知部１４３は、ドライバへの報知を行う。ここでは、具体的には、報知部１４３は、音声によってシステム限界への抵触を報知する。このような報知処理によれば、システム限界へ抵触が事前にドライバに報知される。これにより、ドライバが状況を認知して運転交代等の認知及び判断を行う時間を確保することが可能となる。

２－２．実施の形態２の変形例
報知部１４３は、ドライバへ報知することが可能な他の手段を用いることができる。このような手段としては、例えば、警告音やメッセージ音声、ダッシュボードや液晶画面等への表示、又はシートへの振動などの手段或いはこれらの手段の組み合わせなどが例示される。

実施の形態３．
次に、実施の形態３の運転支援制御システムについて説明する。

３－１．実施の形態３の特徴
実施の形態３の運転支援制御システム１００は、パス追従制御において、システム限界への抵触を抑制するために、システム限界への抵触確率に応じて車両制御量の指令値を補正する指令値補正処理に特徴を有している。以下、本実施の形態に係るパス追従制御における指令値補正処理ついて、更に詳しく説明する。

図１４は、実施の形態３に係るパス追従制御装置の機能構成を示すブロック図である。パス追従制御装置１２０は、必要情報取得部１２１、目標パス決定部１２２、車両制御量決定部１２５、及び車両走行制御部１２４を備えている。車両制御量決定部１２５は、指令値算出部１２６、識別結果取得部１２７、及び指令値補正部１２８を含んでいる。

図１５は、実施の形態３に係るパス追従制御装置によるパス追従制御を示すフローチャートである。図１４及び図１５を参照して、本実施の形態に係るパス追従制御装置１２０によるパス追従制御を説明する。

図１５に示すステップＳ５０及びステップＳ５２では、上述したステップＳ１０及びステップＳ１２の処理と同様の処理が行われる。目標パス決定部１２２は、決定した目標パスを車両制御量決定部１２５に出力する。

車両制御量決定部１２５の指令値算出部１２６は、車両が目標パスに追従するように走行するための車両制御量の指令値を算出する（ステップＳ５４）。例えば、指令値算出部１２６は、横偏差、方位角差、目標パスの曲率等のパラメータに基づき、車両と目標パスとの間の偏差を減少させるための操舵角指令値や車両速度指令値等を算出する。そして、指令値算出部１２６は、算出した指令値を指令値補正部１２８に出力する。

車両制御量決定部１２５の識別結果取得部１２７は、システム限界識別部１３０から識別結果９４を取得する（ステップＳ５６）。ここでの識別結果９４は、システム限界への抵触確率である。識別結果取得部１２７は、取得した識別結果９４を指令値補正部１２８に出力する。

次のステップでは、指令値補正部１２８は、識別結果９４に基づいて指令値を補正する（ステップＳ５８）。ここでは、識別結果９４に含まれるシステム限界への抵触確率が高いほど、パス追従制御における車両制御性能が抑制されるように指令値を補正する。なお、ここでいう車両の制御性能抑制とは、車両速度を抑えること、横加速度を抑えること、舵角速度を抑えること、車両速度の変化を抑えること、及びこれらの組み合わせを指している。例えば、制御性能抑制の一例として車両速度を抑える場合には、指令値補正部１２８は、抵触確率に基づいて目標車両速度を算出する。そして、指令値補正部１２８は、目標車両速度を実現するための車両制御量の指令値を算出する。補正後の各指令値は、車両走行制御部１２４に出力される。

車両走行制御部１２４は、指令値補正部１２８から出力された補正後の指令値に従って走行装置６０を作動させる（ステップＳ６０）。このようにして、システム限界への抵触が抑制されたパス追従制御が実現される。

以上説明した通り、実施の形態２の運転支援制御システム１００によれば、システム限界への抵触の兆候に応じて、パス追従制御における車両制御性能を抑制することができる。これにより、システム限界への抵触を効果的に抑制することが可能となる。また、実施の形態２の運転支援制御システム１００によれば、システム限界への抵触確率が低くなれば、パス追従制御における車両制御性能が抑制されないため、車両制御性能が抑制された状態からの速やかな復帰が可能となる。

３－２．実施の形態３の変形例
実施の形態３の運転支援制御システム１００は、以下のように変形したシステムとして構成されていてもよい。

実施の形態２の運転支援制御システム１００が備える報知制御部１４０の構成を更に備える構成でもよい。このような構成においては、システム限界へ抵触が事前にドライバに報知され且つドライバからの応答がない場合に限り、パス追従制御における指令値補正処理を実施することとしてもよい。

指令値補正部１２８は、識別結果９４に含まれるシステム限界への抵触確率が所定確率よりも高い場合に、車両制御量の指令値を補正する構成でもよい。

実施の形態４．
次に、実施の形態４の運転支援制御システムについて説明する。

４－１．実施の形態４の特徴
実施の形態４の運転支援制御システム１００は、パス追従制御において、システム限界への抵触を抑制するために、システム限界への抵触確率に応じて目標パスを補正する目標パス補正処理に特徴を有している。以下、本実施の形態に係るパス追従制御における目標パス補正処理ついて、更に詳しく説明する。

図１６は、実施の形態４に係るパス追従制御装置の機能構成を示すブロック図である。パス追従制御装置１２０は、必要情報取得部１２１、目標パス決定部１５０、車両制御量決定部１２３、及び車両走行制御部１２４を備えている。目標パス決定部１５０は、目標パス算出部１５１、識別結果取得部１５２、及び目標パス補正部１５３を含んでいる。

図１７は、実施の形態４に係るパス追従制御装置によるパス追従制御を示すフローチャートである。図１６及び図１７を参照して、本実施の形態に係るパス追従制御装置１２０によるパス追従制御を説明する。

図１７に示すステップＳ７０では、上述したステップＳ１０の処理と同様の処理が行われる。必要情報取得部１２１は、定期的に必要情報９０を取得し、目標パス決定部１５０の目標パス算出部１５１に出力する。

次に、目標パス決定部１５０の目標パス算出部１５１は、ステップＳ７０において取得された必要情報９０に基づいて、目標パスを算出する（ステップＳ７２）。ここでは、上述したステップＳ１２の処理と同様の処理が実行される。目標パス算出部１５１は、算出した目標パスを目標パス補正部１５３に出力する。

目標パス決定部１５０の識別結果取得部１５２は、システム限界識別部１３０から識別結果９４を取得する（ステップＳ７４）。ここでの識別結果９４は、システム限界への抵触確率である。識別結果取得部１５２は、取得した識別結果９４を目標パス補正部１５３に出力する。

次のステップでは、目標パス補正部１５３は、識別結果９４に基づいて目標パスを補正する（ステップＳ７６）。ここでは、識別結果９４に含まれるシステム限界への抵触確率が高いほど、パス追従制御における車両制御性能が抑制されるように目標パスを補正する。なお、ここでいう車両の制御性能抑制とは、車両速度を抑えること、横加速度を抑えること、舵角速度を抑えること、車両速度の変化を抑えること、及びこれらの組み合わせを指している。例えば、制御性能抑制の一例として車両速度を抑える場合には、目標パスが車両の前後方向において車両に近づく側に補正される。補正後の目標パスは、車両制御量決定部１２３に出力される。

車両制御量決定部１２３は、車両が補正後の目標パスに追従するように走行するための車両制御量の指令値を算出する（ステップＳ７８）。ここでは、具体的には上記ステップＳ１４と同様の処理が実行される。そして、車両制御量決定部１２３は、決定した指令値を車両走行制御部１２４に出力する。

車両走行制御部１２４は、車両制御量決定部１２３から出力された車両制御量の指令値に従って走行装置６０を作動させる（ステップＳ８０）。ここでは、具体的には上記ステップＳ１６と同様の処理が実行される。このようにして、システム限界への抵触が抑制されたパス追従制御が実現される。

以上説明した通り、実施の形態３の運転支援制御システム１００によれば、システム限界への抵触の兆候に応じて、パス追従制御における車両制御性能を抑制することができる。これにより、システム限界への抵触を効果的に抑制することが可能となる。また、実施の形態３の運転支援制御システム１００によれば、システム限界への抵触確率が低くなれば、パス追従制御における車両制御性能が抑制されないため、車両制御性能が抑制された状態からの速やかな復帰が可能となる。

４－２．実施の形態４の変形例
実施の形態４の運転支援制御システム１００は、以下のように変形したシステムとして構成されていてもよい。

実施の形態２の運転支援制御システム１００が備える報知制御部１４０の構成を更に備える構成でもよい。このような構成においては、システム限界へ抵触が事前にドライバに報知され且つドライバからの応答がない場合に限り、パス追従制御における目標パス補正処理を実施することとしてもよい。

目標パス補正部１５３は、識別結果９４に含まれるシステム限界への抵触確率が所定確率よりも高い場合に、目標パスを補正する構成でもよい。

実施の形態５．
次に、実施の形態５の運転支援制御システムについて説明する。

５－１．実施の形態５の特徴
パス追従制御の実行中において、システム限界への抵触見込みが継続して高い状態であると、車両が目標パスに追従できない可能性が高まる。実施の形態５の運転支援制御システム１００は、システム限界への抵触が長時間に渡って継続して予測される場合に、パス追従制御を終了する制御終了判定処理に特徴を有している。制御終了判定部１６０は、運転支援制御システム１００の一部として、制御終了判定処理を行う。以下、本実施の形態に係る制御終了判定処理について、更に詳しく説明する。

図１８は、実施の形態５に係る制御終了判定部の機能構成を示すブロック図である。制御終了判定部１６０は、識別結果取得部１６１、識別結果判定部１６２、システム限界カウンタ部１６３、及び制御終了判定部１６４を含んでいる。

図１９は、実施の形態５に係る制御終了判定部による制御終了判定処理を示すフローチャートである。図１８及び図１９を参照して、本実施の形態に係る制御終了判定部１６０による制御終了判定処理を説明する。なお、図１９に示す制御終了判定処理のルーチンは、運転支援制御システム１００がパス追従制御を実行している間に開始される。

これらの図に示すように、まず、システム限界カウンタ部１６３は、システム限界カウンタのカウンタ値を０にリセットする（ステップＳ１００）。システム限界カウンタは、システム限界へ抵触する継続時間をカウントするためのものである。次に、識別結果取得部１６１は、システム限界識別部１３０から識別結果９４を取得する（ステップＳ１０２）。ここでの識別結果９４は、システム限界への抵触確率である。識別結果取得部１６１は、取得した識別結果９４を識別結果判定部１６２へ出力する。

次のステップでは、識別結果判定部１６２は、システム限界に抵触する見込みを判定する（ステップＳ１０４）。ここでは、具体的には、識別結果判定部１６２は、識別結果９４が所定のしきい値より大きいか否かを判定する。その結果、判定の成立が認められない場合には、システム限界へ抵触する見込みが低いと判断して再びステップＳ１００の処理に戻る。一方、判定の成立が認められた場合には、システム限界へ抵触する見込みが高いと判断して次のステップに移行する。

次のステップでは、システム限界カウンタ部１６３は、システム限界カウンタのカウンタ値を＋１だけインクリメントする（ステップＳ１０６）。システム限界カウンタ部１６３は、現在のカウンタ値を制御終了判定部１６４へ出力する。

制御終了判定部１６４は、システム限界カウンタ部１６３から入力されたカウンタ値が所定値よりも大きいか否かを判定する（ステップＳ１０８）。ここでの所定値は、システム限界への抵触判定の継続時間の上限値に相当する値であって、安全上の観点などに基づいて予め定めた値である。その結果、判定の成立が認められない場合には、システム限界への抵触判定の継続時間が限界に到達していないと判断することができる。この場合には、上記ステップＳ１０２の処理に戻る。一方、ステップＳ１０８の判定の成立が認められた場合には、抵触判定の継続時間が限界に到達したと判断することができる。この場合には、制御終了判定部１６４は、パス追従制御を終了するための処理を行う（ステップＳ１１０）。

以上説明した通り、このような制御終了判定処理によれば、パス追従制御の実行中においてシステム限界への抵触判定が長期間継続する場合にパス追従制御が終了される。これにより、より安全な状態でドライバへと運転交代を行うことが可能となる。

５－２．実施の形態５の変形例
実施の形態５の運転支援制御システム１００は、以下のように変形したシステムとして構成されていてもよい。

実施の形態５の運転支援制御システム１００は、実施の形態１乃至４の何れかの運転支援制御システム１００と組み合わせたシステムとして構成されていてもよい。

実施の形態６．
次に、実施の形態６の運転支援制御システムについて説明する。

６－１．実施の形態６の特徴
実施の形態６の運転支援制御システム１００は、パス追従制御の実行中における車両データを蓄積し、蓄積された車両データに基づいて判定モデル７３２の更新を行う判定モデル更新処理に特徴を有している。判定モデル更新処理部１７０は、運転支援制御システム１００の一部として、判定モデル更新処理を行う。以下、本実施の形態に係る判定モデル更新処理について、更に詳しく説明する。

図２０は、実施の形態６に係る判定モデル更新処理部の機能構成を示すブロック図である。判定モデル更新処理部１７０は、車両データ蓄積部１７１、予備モデル作成部１７２、モデル比較部１７３、及び判定モデル更新部１７４を含んでいる。ここでの判定モデル更新処理部１７０は、車両と通信可能な管理サーバの内部に構成されているものとする。但し、判定モデル更新処理部１７０は、車両に搭載された制御装置７０又は制御装置７０とは異なる予備の制御装置の内部に構成されていてもよい。

図２１は、実施の形態６に係る判定モデル更新処理部による判定モデル更新処理を示すフローチャートである。図２０及び図２１を参照して、本実施の形態に係る判定モデル更新処理部１７０による判定モデル更新処理を説明する。

車両データ蓄積部１７１は、パス追従制御装置１２０から過去データ９６を取得して蓄積する（ステップＳ１２０）。過去データ９６は、パス追従制御の実行中における車両データの実際値であって、例えば、車両と目標パスとの間の横偏差、操舵角、車両速度、車両ヨーレート、前後加速度、横加速度、舵角指令値、車両速度指令値、車両ヨーレート指令値、前後加速度指令値、横加速度指令値が例示される。車両データ蓄積部１７１は、一定以上の過去データ９６を蓄積した後に、過去データ９６を予備モデル作成部１７２に出力する。

予備モデル作成部１７２は、過去データ９６を用いた機械学習を実施して予備モデルを作成する（ステップＳ１２２）。ここでは、上記ステップＳ４からＳ８の処理と同様の処理を行うことにより、判定モデルの予備モデルを作成する。

次に、モデル比較部１７３は、テストデータを用いて予備モデルの正答率と現状の判定モデル７３２の正答率とを比較する（ステップＳ１２４）。例えば、モデル比較部１７３は、予備モデルの正答率が現在の判定モデル７３２の正答率よりも高い場合に、判定モデル７３２の更新が必要であることを示す比較結果を判定モデル更新部１７４へ出力する。また、モデル比較部１７３は、予備モデルの正答率が現在の判定モデル７３２の正答率以下である場合に、判定モデル７３２の更新が不要であることを示す比較結果を判定モデル更新部１７４へ出力する。

次に、判定モデル更新部１７４は、比較結果に基づいて判定モデル７３２の更新を行う（ステップＳ１２６）。具体的には、判定モデル更新部１７４は、判定モデル７３２の更新が必要であることを示す比較結果を受けた場合に、判定モデル７３２を予備モデルによって更新する。

以上説明した判定モデル更新処理によれば、車両の経年劣化や季節変化による外部環境の変化等に対応してシステム限界への抵触の判定を高精度に行うことが可能となる。

６－２．実施の形態６の変形例
実施の形態６の運転支援制御システム１００は、以下のように変形したシステムとして構成されていてもよい。

モデル比較部１７３は、予備モデルの正答率が現在の判定モデル７３２の正答率よりも一定以上高い場合に、判定モデル７３２の更新が必要であることを示す比較結果を判定モデル更新部１７４へ出力する構成でもよい。このような構成によれば、判定モデル７３２の更新処理が煩雑に行われることを抑制することが可能となる。

１０ ＧＰＳ受信機
２０ 地図データベース
３０ 周辺状況センサ
４０ 車両状態センサ
５０ 通信装置
６０ 走行装置
７０ 制御装置
７１ 情報取得部
７２ 自動運転制御部
７３ システム限界識別部
８０ 運転環境情報
８１ 位置方位情報
８２ レーン情報
８３ 周辺状況情報
８４ 車両状態情報
８５ 配信情報
９０ 必要情報
９２ 車両特徴量
９４ 識別結果
９６ 過去データ
１００ 運転支援制御システム
１１０ 情報取得装置
１２０ パス追従制御装置
１２１ 必要情報取得部
１２２ 目標パス決定部
１２３ 車両制御量決定部
１２４ 車両走行制御部
１２５ 車両制御量決定部
１２６ 指令値算出部
１２７ 識別結果取得部
１２８ 指令値補正部
１３０ システム限界識別部
１４０ 報知制御部
１４１ 識別結果取得部
１４２ 識別結果判定部
１４３ 報知部
１５０ 目標パス決定部
１５１ 目標パス算出部
１５２ 識別結果取得部
１５３ 目標パス補正部
１６０ 制御終了判定部
１６１ 識別結果取得部
１６２ 識別結果判定部
１６３ システム限界カウンタ部
１６４ 制御終了判定部
１７０ 判定モデル更新処理部
１７１ 車両データ蓄積部
１７２ 予備モデル作成部
１７３ モデル比較部
１７４ 判定モデル更新部
７３１ 車両特徴量取得部
７３２ 判定モデル
７３３ 識別結果出力部

Claims (6)

1. 車両の運転支援制御システムであって、
   目標パスの算出に必要な必要情報を取得する必要情報取得部と、
   前記必要情報に基づいて、前記目標パスを決定する目標パス決定部と、
   前記車両が前記目標パスに追従するように前記車両の走行装置を制御するパス追従制御を行う車両走行制御部と、
   前記パス追従制御が不調となるシステム限界への抵触の見込みを識別するシステム限界識別部と、を備え、
   前記システム限界識別部は、
   前記パス追従制御に関連する複数の車両特徴量と前記システム限界への抵触確率との関係を、事前の機械学習によって学習した判定モデルを含み、
   前記判定モデルを用いて、入力された前記複数の車両特徴量に対応する前記システム限界への抵触確率を出力する
   ように構成され、
   前記車両走行制御部は、
   前記車両が前記目標パスに追従するための前記走行装置への指令値を算出する指令値算出部と、
   前記抵触確率が高いほど、前記パス追従制御における車両制御性能が抑制されるように前記指令値を補正する指令値補正部と、
   を含んで構成される
   ことを特徴とする運転支援制御システム。
2. 車両の運転支援制御システムであって、
   目標パスの算出に必要な必要情報を取得する必要情報取得部と、
   前記必要情報に基づいて、前記目標パスを決定する目標パス決定部と、
   前記車両が前記目標パスに追従するように前記車両の走行装置を制御するパス追従制御を行う車両走行制御部と、
   前記パス追従制御が不調となるシステム限界への抵触の見込みを識別するシステム限界識別部と、を備え、
   前記システム限界識別部は、
   前記パス追従制御に関連する複数の車両特徴量と前記システム限界への抵触確率との関係を、事前の機械学習によって学習した判定モデルを含み、
   前記判定モデルを用いて、入力された前記複数の車両特徴量に対応する前記システム限界への抵触確率を出力する
   ように構成され、
   前記目標パス決定部は、
   前記必要情報に基づいて、前記目標パスを算出する目標パス算出部と、
   前記抵触確率が高いほど、前記パス追従制御における車両制御性能が抑制されるように前記目標パスを補正する目標パス補正部と、
   を含んで構成されている
   ことを特徴とする運転支援制御システム。
3. 前記車両走行制御部は、
   前記抵触確率が所定のしきい値を超えた場合に、ドライバに対して報知を行う報知部をさらに備えることを特徴とする請求項１又は請求項２に記載の運転支援制御システム。
4. 前記車両走行制御部は、
   前記抵触確率が所定のしきい値を超えた状態が一定の期間継続した場合に、前記パス追従制御を終了するように構成されていることを特徴とする請求項１乃至３の何れか１項に記載の運転支援制御システム。
5. 前記判定モデルの更新を行う更新処理部を備え、
   前記更新処理部は、
   前記車両特徴量の過去データを蓄積する蓄積部と、
   前記過去データと前記システム限界への抵触の見込みとの関係を機械学習することにより、前記判定モデルの予備モデルを作成する予備モデル作成部と、
   テストデータを用いて、前記判定モデルによる識別結果の正答率と、前記予備モデルによる識別結果の正答率と、を比較するモデル比較部と、
   前記予備モデルの正答率が前記判定モデルの正答率よりも一定以上高い場合には、前記判定モデルを前記予備モデルによって更新する判定モデル更新部と、
   を含むように構成されていることを特徴とする請求項１乃至４の何れか１項に記載の運転支援制御システム。
6. 前記システム限界識別部は、所定の確定条件が成立していない場合には、前記抵触確率を出力しないように構成されていることを特徴とする請求項１乃至５の何れか１項に記載の運転支援制御システム。

Images