JP7091926B2 - 車両挙動予測方法及び車両挙動予測装置 - Google Patents

Description

本発明は、車両挙動予測方法及び車両挙動予測装置に関する。

特許文献１には、ファジーニューラルネットワークによって学習した制御ルールに従い、ダンパー速度、上下加速度、ピッチ加速度及びロール加速度に基づいて、緩衝装置の減衰係数を制御する車両サスペンションシステムが提案されている。

特表２００５－５３８８８６号公報

特許文献１に記載の技術では、現在の状態量であるダンパー速度、上下加速度、ピッチ加速度及びロール加速度に基づいてサスペンションの特性を制御する。
しかしながら、車両の状態は動的に変化するため、現在の状態量に基づいて制御すると、車両の状態が変化した後に制御が始まるので制御遅れが生じる。
本発明は、車両挙動の制御遅れを軽減することを目的とする。

本発明の一態様に係る車両挙動予測方法では、車両の走行計画を決定し、走行計画に沿って走行する車両に発生する車両挙動をモデル化した予測モデルに、決定した走行計画を入力することにより、車両の車両挙動を予測する。

本発明の態様によれば、走行計画で予定された将来の走行シーンに応じて、これから自車両に発生する車両挙動を予測することができる。このように将来の走行シーンが車両挙動に及ぼす影響を反映させることにより、将来の車両挙動の予測精度を向上することができる。この結果、より精度の高い予測結果に基づいて制御を開始することができるので、車両挙動の制御遅れを軽減できる。

本発明の実施形態の走行支援装置の一例の概略構成図である。 図１のアクチュエータを有する能動型サスペンションの一例の概略構成図である。 圧力制御弁における指令電流と制御圧との関係を示す特性線図である。 図１のコントローラの機能構成の一例を示すブロック図である。 図４の状態予測器の学習処理の一例を示すフローチャートである。 図４のコントローラによる制御処理の一例を示すフローチャートである。 平坦路から不整路へ進入した場合のバネ上加速度の時間変化を示すグラフである。 平坦路から不整路へ進入した場合のバネ上速度の時間変化を示すグラフである。 平坦路から不整路へ進入した場合のバネ上変位の時間変化を示すグラフである。

以下、本発明の実施形態について、図面を参照しつつ説明する。なお、各図面は模式的なものであって、現実のものとは異なる場合がある。また、以下に示す本発明の実施形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、本発明の技術的思想は、構成部品の構造、配置等を下記のものに特定するものではない。本発明の技術的思想は、特許請求の範囲に記載された請求項が規定する技術的範囲内において、種々の変更を加えることができる。

（構成）
図１を参照する。走行支援装置１は、自車両の車両挙動を予測し、予測した車両挙動に基づいて自車両に搭載されたアクチュエータを制御することにより、自車両の車両挙動を制御する。
走行支援装置１は、車外環境センサ２と、車両センサ３と、ナビゲーションシステム４と、走行制御装置５と、アクチュエータ６と、コントローラ７を備える。

車外環境センサ２は、自車両の外側の車外環境を検出するセンサである。
車外環境センサ２は、例えばレーザレンジファインダ（ＬＲＦ：Laser Range-Finder）やレーダなどの測距装置であってよい。測距装置は、例えば、自車両周囲に存在する物体、自車両と物体との相対位置、自車両と物体との距離を検出する。
また、測距装置は、自車両の前方の路面までの距離を検出する。自車両が前方に進行するのに伴って自車両の前方の路面を走査することにより、路面荒さを測定できる。
測距装置は、検出した測距データを走行制御装置５及びコントローラ７へ出力する。

車外環境センサ２は、例えばステレオカメラや単眼カメラ等のカメラであってもよい。カメラは、自車両の周囲に存在する物体や、車線境界線（例えば白線）などの道路標示、縁石やガードレール等の地物、前方の路面などを撮影した撮影データを走行制御装置５及びコントローラ７へ出力する。

車両センサ３は、自車両のバネ上の車体の６軸運動、及びバネ下の上下方向、左右方向及び前後方向の３軸運動を自車両の現在の状態として検出する。以下、上下方向、左右方向及び前後方向の３軸運動を「バウンス」と表記する。
例えば車両センサ３は、バネ上のバウンスの加速度と、バネ上のピッチ角速度、ロール角速度、及びヨー角速度と、バネ下のバウンスの加速度を検出してよい。

車両センサ３は、バウンスの加速度に代えて変位を検出してもよく速度を検出してもよい。
車両センサ３は、ピッチ角速度、ロール角速度、及びヨー角速度に代えて、ピッチ角変位、ロール角変位、及びヨー角変位を検出してもよく、ピッチ角加速度、ロール角加速度、及びヨー角加速度を検出してもよい。

また、車両センサ３は、自車両の車輪速を検出する車輪速センサを含んでもよい。
さらに、車両センサ３は、自車両の車室内の状態として、車室内の乗員の配置、重さ及び動き、並びに車室内の荷物の配置、重さ、動きを検出するカメラや圧力センサを含んでもよい。
車両センサ３は、自車両の現在の状態を示す車両状態信号を走行制御装置５及びコントローラ７へ出力する。

ナビゲーションシステム４は、自車両の現在位置と、その現在位置における道路地図情報を認識し、乗員が入力した目的地までの走行経路を設定する。
ナビゲーションシステム４は、ナビコントローラと、測位装置と、地図データベースと、通信部を備える。
ナビコントローラは、ナビゲーションシステム４の情報処理動作を制御する電子制御ユニット（ＥＣＵ：Electronic Control Unit）である。

測位装置は、自車両の現在位置を測定する。測位装置は、例えば複数の航法衛星から電波を受信して自車両の現在位置を取得するＧＰＳ受信機や、ＧＰＳ受信機以外の他の全地球型測位システム（ＧＮＳＳ）受信機である。測位装置は、慣性航法装置であってもよい。
地図データベースは、地図情報を記憶している。地図情報には、ノードとリンクで示される道路地図と、道路地図座標における道路種別（例えば一般道路や高速道路）、道路幅、道路形状、勾配、車線数、法定速度（制限速度）に関する情報とが少なくとも含まれている。例えば、道路地図における道路は道路ごとにリンク番号で識別されており、リンク番号ごとに道路種別、道路幅、道路形状、勾配、車線数、法定速度（制限速度）に関する情報が対応づけられている。さらに、各道路の車線ごとにリンク番号は設定されている。

通信部は、自車両の外部の通信装置との間で無線通信を行う。通信部による通信方式は、例えば公衆携帯電話網による無線通信や、車車間通信、路車間通信、又は衛星通信であってよい。
ナビゲーションシステム４は、通信部によって外部装置から道路地図データや、自車両の外側の車外環境の情報を取得してもよい。ナビゲーションシステム４は、例えば車外環境として、自車両の周囲の風の向きや風の強さの情報を取得してよい。

ナビゲーションシステム４は、自車両の現在位置から乗員が入力した目的地までの走行経路（予定の経路）を設定し、この走行経路に従って乗員に経路案内を行う。
さらにナビゲーションシステム４は、設定した走行経路の情報を、自車両の将来の走行計画として走行制御装置５及びコントローラ７へ出力する。
例えば、ナビゲーションシステム４は、設定した走行経路の地図情報を走行制御装置５及びコントローラ７へ出力する。
さらに、ナビゲーションシステム４は、通信部によって外部装置から取得した車外環境の情報をコントローラ７へ出力する。

アクチュエータ６は、走行制御装置５又はコントローラ７からの電気的な制御信号を機械的な運動に変換して自車両の車両挙動を制御する駆動装置である。
例えば、アクチュエータ６は、自動運転時に走行制御装置５からの制御信号に応じて自車両の操舵角度、アクセル開度、制動量を変更するためのステアリングアクチュエータ、アクセル開度アクチュエータ、ブレーキ制御アクチュエータであってもよい。

また、例えばアクチュエータ６は、車体側部材と車輪側部材との間に介装された能動型サスペンション８に設けられ、コントローラ７からの制御信号に応じて作動圧が調整される油圧シリンダであってもよい。
図２を参照する。参照符号１０は車体側部材を、参照符号１１ＦＬ～１１ＲＲは前左～後右車輪をそれぞれ示す。
能動型サスペンション８は、車体側部材１０と車輪１１ＦＬ～１１ＲＲの各車輪側部材１４との間に各々介装されたアクチュエータとしての油圧シリンダ１８ＦＬ～１８ＲＲと、これら油圧シリンダ１８ＦＬ～１８ＲＲの作動圧を個別に調整する圧力制御弁２０ＦＬ～２０ＲＲを備える。

また、能動型サスペンション８は、これら圧力制御弁２０ＦＬ～２０ＲＲに所定圧力の作動油を供給側配管２１Ｓを介して供給すると共に、圧力制御弁２０ＦＬ～２０ＲＲからの戻り油を戻り側配管２１Ｒを通じて回収する油圧源２２と、この油圧源２２及び圧力制御弁２０ＦＬ～２０ＲＲ間の供給側配管２１Ｓに介挿された蓄圧用のアキュムレータ２４Ｆ，２４Ｒを備える。

油圧シリンダ１８ＦＬ～１８ＲＲのそれぞれは、シリンダチューブ１８ａを有し、このシリンダチューブ１８ａには、軸方向に貫通孔を有するピストン１８ｃにより隔設された下側の圧力室Ｌが形成され、ピストン１８ｃの上下面の受圧面積差と内圧とに応じた推力を発生する。そして、シリンダチューブ１８ａの下端が車輪側部材１４に取付けられ、ピストンロッド１８ｂの上端が車体側部材１０に取付けられている。

また、圧力室Ｌの各々は、油圧配管３８を介して圧力制御弁２０ＦＬ～２０ＲＲの出力ポートに接続されている。また、油圧シリンダ１８ＦＬ～１８ＲＲの圧力室Ｌの各々は、絞り弁３２を介してバネ下振動吸収用のアキュムレータ３４に接続されている。また、油圧シリンダ１８ＦＬ～１８ＲＲの各々のバネ上，バネ下相当間には、比較的低いバネ定数であって車体の静荷重を支持するコイルスプリング３６が配設されている。
圧力制御弁２０ＦＬ～２０ＲＲのそれぞれは、スプールを摺動自在に内装した円筒状の弁ハウジングとこれに一体的に設けられた比例ソレノイドとを有する３ポート比例電磁減圧弁で構成されている。

比例ソレノイドの励磁コイルに供給する指令電流ｉ（制御量）を調整することにより、弁ハウジング内に収容されたポペットの移動距離、すなわちスプールの位置が制御される。これにより、供給ポート及び出力ポート又は出力ポート及び戻りポートを介して油圧源２２と油圧シリンダ１８ＦＬ～１８ＲＲとの間で流通する作動油が制御されるようになっている。

図３は、励磁コイルに加えられる指令電流ｉ（：ｉＦＬ～ｉＲＲ）と圧力制御弁２０ＦＬ（～２０ＲＲ）の出力ポートから出力される制御圧Ｐとの関係を示す。ノイズを考慮した最小電流値ｉＭＩＮのときには、制御圧Ｐは最低制御圧ＰＭＩＮとなり、この状態から電流値ｉを増加させると、電流値ｉに比例して直線的に制御圧Ｐが増加し、最大電流値ｉＭＡＸのときには、油圧源２２の設定ライン圧に相当する最高制御圧ＰＭＡＸとなる。参照符号ｉＮは中立指令電流，参照符号ＰＮは中立制御圧を示す。

図１を参照する。走行制御装置５は、自車の自動運転制御を行う電子制御ユニットである。この「自動運転」は、自車両の走行制御を全て自動で行う「完全自動運転」のみならず、走行制御を部分的に自動で行う「部分自動運転」や「運転支援」も含む概念である。
走行制御装置５は、自車両の自動運転時に、車外環境センサ２から入力した測距データや自車両周囲の撮影データ、車両センサ３から入力した車両状態信号に基づいて、ナビゲーションシステム４により設定された走行経路を自車に走行させる走行軌道（トラジェクトリ）を生成する。

走行軌道を生成する際に、走行制御装置５は、まず走行経路上を自動で自車に走行させるための運転行動計画を決定する。
運転行動計画とは、自車両を走行させるレーン（車線）と、このレーンを走行させるのに要する運転行動とを定めた、中長距離の範囲におけるレーンレベル（車線レベル）での運転行動の計画である。例えば運転行動計画は、前方に存在する交差点を右折するシーンにおいて、交差点の手前何ｍ地点で右折レーンに車線変更するか等の運転行動を定めた計画である。

そして、走行制御装置５は、運転行動計画に従って自車両を走行させるための軌道候補を、自車両の運動特性などに基づいて生成する。走行制御装置５は、軌道候補の各々の将来リスクを評価して、最適な軌道を選択し、自車に走行させる走行軌道として設定する。走行軌道は、目標操舵角のほか、速度計画やそのための加減速を含む。

走行制御装置５は、選択した走行軌道に基づいてアクチュエータ６（例えば、ステアリングアクチュエータ、アクセル開度アクチュエータ、及び／又はブレーキ制御アクチュエータ）を制御する。
具体的には、走行制御装置５は、走行軌道を追従する一連の車両挙動を発生するアクチュエータ６の制御量の時系列を算出して、算出した制御量をアクチュエータ６へ逐次出力する。
以下、走行制御装置５により算出されるアクチュエータ６の制御量を「ＡＣＲ制御量」と表記する。

走行制御装置５は、運転行動計画及び走行軌道を、自車両の走行計画としてコントローラ７へ出力する。
走行制御装置５は、ＡＣＲ制御量の時系列を自車両の走行計画としてコントローラ７へ出力する。
さらに走行制御装置５は、走行制御装置５により行われる予定の自動運転制御の自動運転レベルを走行計画としてコントローラ７へ出力する。

自動運転レベルは、例えば、運転者による走行状態の監視を要しないレベルや、運転者による走行状態の監視を要するレベルを含んでよい。また、自動運転レベルは、例えば「完全自動運転」、「部分自動運転」、「運転支援」を含んでもよい。
一例として、アメリカ国家交通安全協会（ＮＨＴＳＡ：National Highway Traffic Safety Administration）によって制定された基準に従う自動運転レベルによれば、運転者による走行状態の監視を要しないレベルは自動運転レベル３以上であり、運転者による走行状態の監視を要するレベルは自動運転レベル２以下であり、完全自動運転は、自動運転レベル３以上であり、部分自動運転は自動運転レベル２であり、運転支援は自動運転レベル１である。

コントローラ７は、車外環境センサ２から入力した測距データや自車両周囲の撮影データ、車両センサ３から入力した車両状態信号、ナビゲーションシステム４から入力した走行計画及び車外環境の情報、走行制御装置５から入力した走行計画に基づいてアクチュエータ６を駆動し、自車両の車両挙動を制御する電子制御ユニットである。

コントローラ７は、ＣＰＵ（Central Processing Unit）、やＭＰＵ（Micro-Processing Unit）などのプロセッサと、記憶装置等の周辺部品とを含む。
記憶装置は、半導体記憶装置、磁気記憶装置及び光学記憶装置のいずれかを備えてよい。記憶装置は、レジスタ、キャッシュメモリ、主記憶装置として使用されるＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等のメモリを含んでよい。

プロセッサは、記憶装置に格納されるコンピュータプログラムを実行することにより、以下に説明するコントローラ７の機能を実現する。
なお、汎用の半導体集積回路中に設定される機能的な論理回路でコントローラ７を実現してもよい。例えばコントローラ７は、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ：Field-Programmable Gate Array）等のプログラマブル・ロジック・デバイス（ＰＬＤ：Programmable Logic Device）等を有していてもよい。

本実施形態では、コントローラ７が、自車両の車両挙動を制御するアクチュエータとして能動型サスペンション８の油圧シリンダ１８ＦＬ～１８ＲＲの作動圧を調整し、能動型サスペンション８の特性を変化させる例について説明する。
具体的には、コントローラ７は、圧力制御弁２０ＦＬ～２０ＲＲの指令電流ｉ（制御量）を調整して油圧シリンダ１８ＦＬ～１８ＲＲが発生する推力を制御することにより、自車両の車体挙動を制御する。例えば車体の上下振動を抑制するように自車両の車体挙動を制御する。

図４を参照してコントローラ７の機能構成を説明する。コントローラ７は、実施形態の車両挙動予測装置４０を構成する。車両挙動予測装置４０は、車両情報取得部４１と、車外情報取得部４２と、走行計画取得部４３と、モデル予測制御部４４を備える。
車両情報取得部４１は、車両センサ３から出力される車両状態信号に基づいて車両の状態を示す車両状態情報を取得する。

車両状態情報は、例えば、横方向加速度、並びにロール軸まわり及びヨー軸まわりの変位、速度及び加速度の情報を含んでよい。
車両状態信号が変位情報である場合、車両情報取得部４１は、変位情報を微分することにより速度情報と加速度情報を取得できる。
車両状態信号が速度情報である場合、車両情報取得部４１は、速度情報を積分することにより変位情報を取得し、速度情報を微分することにより加速度情報を取得できる。
車両状態信号が加速度情報である場合、車両情報取得部４１は、加速度情報を積分することにより変位情報と速度情報を取得できる。

また、車両情報取得部４１は、ＡＣＲ制御量の現在値を車両状態情報として走行制御装置５から取得してよい。
また、車両情報取得部４１は、車両状態情報は、車室内の乗員の配置、重さ及び動き、並びに車室内の配置、重さ、動きなどの車室内の状態を示す車内情報を取得する。
車両情報取得部４１は、取得した車両状態情報及び車内情報をモデル予測制御部４４へ出力する。

車外情報取得部４２は、車外環境センサ２から出力される測距データや自車両周囲の撮影データ、及び車両センサ３から出力される車両状態信号に基づいて、自車両の外側の車外環境を示す車外環境情報を取得する。
車外環境情報は、例えば、自車両の前方の路面の路面荒さ、路面に発生している路面振動、自車両の前方の路面の路面摩擦係数を含んでよい。

車外情報取得部４２は、車外環境センサ２から出力される測距データや自車両周囲の撮影データに基づいて、自車両の前方の路面の路面荒さ及び路面に発生している路面振動を取得する。
車外情報取得部４２は、自車両の車輪速から自車両の加速度とタイヤのスリップ率を演算し、加速度とスリップ率の回帰係数に基づいて路面摩擦係数を取得する。

また、車外情報取得部４２は、ナビゲーションシステム４の通信部によって外部装置から車外環境情報を取得してよい。例えば、車外情報取得部４２は、自車両の周囲の風の向きや風の強さを示す車外環境情報を外部装置から取得してよい。
車外情報取得部４２は、取得した車外環境情報をモデル予測制御部４４へ出力する。

走行計画取得部４３は、ナビゲーションシステム４により設定された設定経路、及びその地図情報を走行計画として取得する。
また、走行計画取得部４３は、走行制御装置５が決定した運転行動計画、及び走行軌道を走行計画として取得する。

また、走行計画取得部４３は、走行制御装置５が算出したＡＣＲ制御量の時系列を、走行計画として取得する。
また、走行計画取得部４３は、走行制御装置５により行われる予定の自動運転制御の自動運転レベルを走行計画として取得する。

さらに、走行計画取得部４３は、走行制御装置５が決定した走行軌道上を自車両が走行した時に発生すると予測される横方向加速度の予測値を走行計画として算出する。
走行計画取得部４３は、取得した走行計画をモデル予測制御部４４へ出力する。

モデル予測制御部４４は、上記の車両状態情報、車内情報、車外環境情報及び走行計画に基づくモデル予測制御を行い、能動型サスペンション８の圧力制御弁２０ＦＬ～２０ＲＲの制御量を制御する。以下、モデル予測制御部４４により制御される圧力制御弁２０ＦＬ～２０ＲＲの制御量を単に「制御量」と表記する。

モデル予測制御では、現時刻から未来の有限区間（予測区間）にわたる制御対象の状態を予測する。
具体的には、予測区間の長さをＴｐとして、現時刻ｔ０から時刻Ｔｐ先の区間の時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおける制御対象への入力に基づいて、時刻ｔ０＋１、ｔ０＋２、…、ｔ０＋Ｔｐ＋１における制御対象の状態を予測する。
そして、予測した時刻ｔ０＋１、ｔ０＋２、…、ｔ０＋Ｔｐ＋１における状態に基づいて、予測区間における制御性能を示す評価関数を算出し、この評価関数を最小にする制御量を、最適化問題等を用いて探索する。

モデル予測制御部４４は、状態予測器５０と、評価部５１と、最適化部５２と、を備える。
状態予測器５０は、現時刻ｔ０の自車両の状態及び自車両の周囲の車外環境と、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおける自車両の走行計画及び制御量の候補を入力して、時刻ｔ０＋１、ｔ０＋２、…、ｔ０＋Ｔｐ＋１における自車両の状態を車両挙動として予測する。
このため、状態予測器５０は、自車両が走行する予定の走行計画（将来の走行計画）と、制御量と、現時刻の自車両の状態及び車外環境に応じて発生する自車両の車両挙動がモデル化された予測モデルを有する。

予測モデルは、例えば、自車両が走行する予定の走行計画と、制御量と、現時刻の自車両の状態及び車外環境に応じて発生する自車両の車両挙動が、微分方程式によって表現されたモデルであってよい。
また、予測モデルは、例えば、実際に走行計画に沿って自車両を走行させることにより、自車両が走行する予定の走行計画と、制御量と、現時刻の自車両の状態及び車外環境に応じて自車両に発生した車両挙動を学習した深層ニューラルネットワーク（ＤＮＮ：Deep Neural Network）であってもよい。

状態予測器５０は、車両情報取得部４１から現時刻ｔ０の車両状態情報及び車内情報を入力する。状態予測器５０は、車外情報取得部４２から現時刻ｔ０の車外環境情報を入力する。
さらに状態予測器５０は、走行計画取得部４３から、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおける自車両の走行計画を入力する。
自車両の走行計画は、例えば、自車両の速度計画、自車両の予定加減速度、走行軌道に沿って走行する自車両に生じる予定の横方向加速度、ＡＣＲ制御量の時系列、自車両が走行する予定経路、及び予定自動運転レベルのいずれかを含む。

例えば自車両の速度計画及び予定加減速度は、走行制御装置５が決定した走行軌道により定まる、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおけるそれぞれの速度及び加減速度である。
例えば自車両に生じる予定の横方向加速度は、走行制御装置５が決定した走行軌道を走行する自車両に、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐで発生すると予測されるそれぞれの横方向加速度である。

例えばＡＣＲ制御量の時系列は、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにアクチュエータ６へ出力される予定のＡＣＲ制御量である。
例えば自車両が走行する予定経路は、ナビゲーションシステム４が設定した設定経路上を走行する自車両が、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにそれぞれ到達する位置やその地図情報である。
例えば予定自動運転レベルは、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおいて走行制御装置５により行われる予定のそれぞれの自動運転レベルである。

また、状態予測器５０は、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおけるそれぞれの制御量の候補を最適化部５２から入力する。
状態予測器５０は、現時刻ｔ０の車両状態情報、車内情報及び車外環境情報と、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおける自車両の走行計画及び制御量の候補に基づいて、時刻ｔ０＋１、ｔ０＋２、…、ｔ０＋Ｔｐ＋１における車体の状態量をそれぞれ予測する。例えば、状態予測器５０は、バネ上のバウンスの変位、速度及び加速度、並びにピッチ軸、ロール軸及びヨー軸まわりの変位、速度及び加速度、バネ下のバウンスの変位、速度及び加速度を予測してよい。
状態予測器５０は、予測した時刻ｔ０＋１、ｔ０＋２、…、ｔ０＋Ｔｐ＋１における車体の状態量を評価部５１へ出力する。

評価部５１は、状態予測器５０が予測した状態量に基づいて所定の評価関数を用いてコストを算出することにより、各時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐの制御量の候補の制御性能を評価する。ここで例えば、車体挙動を抑制するためバネ上の加速度やバネ上の速度を評価関数（コスト）として算出してよい。評価部５１は、算出したコストを最適化部５２へ出力する。

最適化部５２は、評価部５１が算出したコストを最小化するように、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおけるそれぞれの制御量の候補を最適化する。
最適化部５２は、例えば、評価関数の微分値を用いる反復手法に基づいて制御量の候補を最適化してよい。
また例えば、最適化部５２は、試行錯誤的に最適解を直接探索する発見的手法に基づいて制御量の候補を最適化してもよい。発見的手法として、例えば遺伝的アルゴリズム、粒子群最適化、人工蜂コロニーアルゴリズムを使用してよい。
最適化部５２は、探索によって最適化された時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐの制御量のうち時刻ｔ０の制御量を、能動型サスペンション８の圧力制御弁２０ＦＬ～２０ＲＲへ出力する。

（動作）
図５及び図６を参照して、実施形態の走行支援装置の動作を説明する。図５は、図４の状態予測器５０の学習処理の一例を示すフローチャートである。
ステップＳ１では、自車両の走行計画を決定する。走行計画は、例えばナビゲーションシステム４及び走行制御装置５を用いて決定してもよく、オフラインで決定してもよい。
ステップＳ２では、車両センサ３及び車外環境センサ２によって、走行計画に沿って実際に走行した際の自車両の状態、及び自車両の外側の車外環境を検出する。

ステップＳ３では、走行計画に沿って走行した際に、能動型サスペンション８の圧力制御弁２０ＦＬ～２０ＲＲに対して実際に行った制御の制御量を検出する。
ステップＳ４において、ステップＳ１で決定した走行計画、ステップＳ２で検出した自車両の状態、及び自車両の外側の車外環境、及びステップＳ３で検出した制御量の各データを保存する。

ステップＳ５では、ステップＳ４で保存した各データに基づいて、状態予測器５０が備える予測モデルを学習する。
例えば、走行計画に沿って走行した期間内のそれぞれの時刻ｔｉについて、時刻ｔｉの自車両の状態及び自車両の周囲の車外環境と、時刻ｔｉ、ｔｉ＋１、…、ｔｉ＋Ｔｐにおける自車両の走行計画及び制御量を予測モデルに入力し、時刻ｔｉ＋１、ｔｉ＋２、…、ｔｉ＋Ｔｐ＋１における自車両の状態を予測する。そして、予測結果と実際に検出した自車両の状態（教師データ）との誤差関数が最小となる解を探索して、予測モデルを学習させる。

図６は、図４のコントローラ７により行う能動型サスペンション８の制御処理の一例を示すフローチャートである。
ステップＳ１０においてナビゲーションシステム４及び走行制御装置５は、自車両の走行計画を決定する。
ステップＳ１１において車両センサ３及び車外環境センサ２は、自車両の状態、及び自車両の外側の車外環境を検出する。

ステップＳ１２において最適化部５２は、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおける制御量の候補の初期値を決定する。
ステップＳ１３において状態予測器５０は、現時刻ｔ０の車両状態情報、車内情報及び車外環境情報と、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐにおける自車両の走行計画及び制御量の候補に基づいて、時刻ｔ０＋１、ｔ０＋２、…、ｔ０＋Ｔｐ＋１における車体の状態量をそれぞれ予測する。

ステップＳ１４において評価部５１は、状態予測器５０が予測した状態量に基づいて所定の評価関数を用いてコストを算出することにより、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐの制御量の候補の制御性能を評価する。
ステップＳ１５において最適化部５２は、評価部５１が算出したコストに基づいて、時刻ｔ０、ｔ０＋１、…、ｔ０＋Ｔｐの制御量の候補が最適化されたか否かを判定する。例えば最適化部５２は、コストが閾値以下になった場合やコストが最小値になった場合に制御量の候補が最適化されたと判定してよい。

制御量の候補が最適化されない場合（ステップＳ１５：Ｎ）に処理はステップＳ１６へ進む。
ステップＳ１６において最適化部５２は、所定の最適化アルゴリズムにしたがって制御量の候補を再計算する。その後に処理はステップＳ１３に戻る。
制御量の候補が最適化された場合（ステップＳ１５：Ｙ）に、最適化部５２は、時刻ｔ０の制御量を能動型サスペンション８の圧力制御弁２０ＦＬ～２０ＲＲへ出力する。その後に処理は終了する。

（実施形態の効果）
（１）ナビゲーションシステム４及び走行制御装置５は、自車両の将来の走行計画を決定する。モデル予測制御部４４は、将来の走行計画に沿って走行する前記車両に発生する車両挙動をモデル化した予測モデルを有する状態予測器５０に、ナビゲーションシステム４及び走行制御装置５が決定した将来の走行計画を入力することにより、自車両の車両挙動を予測する。

自車両がこれから走行する将来の走行計画を用いることにより、走行計画で予定された将来の走行シーンに応じて自車両に発生する車両挙動を予測することができる。
将来の走行シーンが車両挙動に及ぼす影響を反映させることにより、将来の車両挙動の予測精度を向上することができる。この結果、より精度の高い予測結果に基づいて制御を開始することができるので、車両挙動の制御遅れを軽減できる。
このため、走行計画に合わせた最適な車両挙動を実現できる。例えば、能動型サスペンション８の油圧シリンダ１８ＦＬ～１８ＲＲを制御する場合、走行計画に合わせた最適なサスペンション特性を得ることができる。

図７Ａ～図７Ｃは、交差点を曲がって平坦路から不整路へ進入した場合のバネ上加速度、バネ上速度、バネ上変位の時間変化を示すグラフである。
破線は、走行計画を用いないで能動型サスペンションを制御した場合の波形を示す。
路面荒さを測定する車外環境センサ２は、自車両の位置から所定の予見距離だけ前方の位置の路面変位を検出する。したがって、交差点を曲がって不整路へ進入すると、自車両が予見距離だけ進むまでの期間（Ｔ１～Ｔ２）は、路面荒さの情報が使用できない。このため、能動型サスペンションの制御に遅れが生じてバネ上の運動が大きくなる。

実線は、走行計画を入力とする予測モデルを用いて能動型サスペンションを制御した場合の波形を示す。
この場合、不整路へ進入することが走行計画で予定されており、不整路を走行した自車両に生じる車両挙動は学習されているので、遅くとも不整路への進入時刻Ｔ１には、不整路を走行する自車両の車両挙動を予測することができる。このため、不整路への進入直後の時刻Ｔ１から能動型サスペンションの制御の誤差を低減して、バネ上の運動を抑えることができる。

（２）状態予測器５０に入力される走行計画は、自車両を走行させる予定の経路を含んでよい。これにより、自車両がこれから走行する経路に合わせて車両挙動を制御できる。

（３）状態予測器５０に入力される走行計画は、自車両の速度計画を含んでよい。これにより、自車両の車速計画に合わせて車両挙動を制御できる。

（変形例）
（１）上記実施形態では、コントローラ７は、自車両の車両挙動を制御するアクチュエータとして能動型サスペンション８の油圧シリンダ１８ＦＬ～１８ＲＲの作動圧を調整した。
これに代えて、コントローラ７は、ステアリングアクチュエータ、アクセル開度アクチュエータ、ブレーキ制御アクチュエータのいずれかの制御量を制御してもよい。この場合、コントローラ７は、走行制御装置５に代わってこれらのアクチュエータの制御量を制御してよい。

（２）モデル予測制御部４４による自車両の状態予測に使用される、車両状態情報、車外環境情報と、走行計画のデータはそれぞれ異なる優先度を有していてもよい。
例えば、車両状態情報の優先度を最も高く設定し、走行計画の優先度を二番目に高く設定し、車外環境情報の優先度を最も低く設定してもよい。

状態予測器５０は、優先度が低いデータの影響よりも優先度が高いデータの影響を予測結果により強く反映させてよい。例えば、状態予測器５０が深層ニューラルネットワークを用いた予測モデルを有する場合には、優先度が低いデータが入力されるノードと中間層との結合係数よりも、優先度が高いデータが入力されるノードと中間層との結合係数よりを大きくしてよい。

これにより、自車両の状態予測に使用されるデータが予測結果に与える影響に優劣を設けることができる。
例えば、尤度が高いデータの優先度を尤度の低いデータの優先度よりも高く設定することによって、予測結果の精度を向上させることができる。
また、例えば、車外環境情報どうしの間に尤度の差がある場合には、尤度の高い車外環境情報の優先度を尤度の低い車外環境情報の優先度よりも高く設定してよい。これにより、車外環境を検出するセンサの尤度に差がある場合や、センサの尤度が変動する場合に、センサ信号が予測結果に与える影響を尤度に応じて調整することができる。

（３）上記実施形態では、状態予測器５０は、自動運転に使用される走行計画を用いて自車両の状態を予測した。これに代えて、状態予測器５０は手動運転時に運転者へのルート案内に使用される走行計画を用いて自車両の状態を予測してもよい。

１…走行支援装置、２…車外環境センサ、３…車両センサ、４…ナビゲーションシステム、５…走行制御装置、６…能動型サスペンション、７…コントローラ、８…能動型サスペンション、１０…車体側部材、１１ＦＬ…車輪、１１ＲＲ…車輪、１４…車輪側部材、１８ａ…シリンダチューブ、１８ｂ…ピストンロッド、１８ｃ…ピストン、１８ＦＬ…油圧シリンダ、１８ＲＲ…油圧シリンダ、２０ＦＬ…圧力制御弁、２０ＲＲ…圧力制御弁、２１Ｒ…側配管、２１Ｓ…供給側配管、２２…油圧源、２４Ｆ…アキュムレータ、２４Ｒ…アキュムレータ、３２…弁、３４…アキュムレータ、３６…コイルスプリング、３８…油圧配管、４０…車両挙動予測装置、４１…車両情報取得部、４２…車外情報取得部、４３…走行計画取得部４３、４４…モデル予測制御部、５０…状態予測器、５１…評価部、５２…最適化部

Claims (6)

1. 車両の将来の走行計画を決定し、
   前記将来の走行計画に沿って走行する前記車両に発生する車両挙動をモデル化した予測モデルに、決定した前記将来の走行計画を入力することにより、前記車両の車両挙動であるバウンス、ピッチ、ロール、ヨーを予測し、
   予測した前記車両挙動に基づいて前記車両の車両挙動を制御するアクチュエータの制御量を最適化し、
   最適化された前記制御量で前記アクチュエータを制御する、
   ことを特徴とする車両挙動予測方法。
2. 前記アクチュエータは、能動型サスペンションであることを特徴とする請求項１に記載の車両挙動予測方法。
3. 不整路へ進入することが前記将来の走行計画で予定されている場合は、前記不整路を走行した前記車両に生じた車両挙動の学習結果を用いて前記車両挙動を予測することを特徴とする請求項１又は２に記載の車両挙動予測方法。
4. 前記将来の走行計画と、前記車両の状態を示す車両状態情報と、前記車両の外側の車外環境を示す車外環境情報とを前記予測モデルに入力することにより前記車両挙動を予測し、
   前記車両状態情報の優先度を最も高く設定し、前記将来の走行計画の優先度を二番目に高く設定し、前記車外環境情報の優先度を最も低く設定し、
   前記将来の走行計画と、前記車両状態情報と、前記車外環境情報のうち優先度がより低いものよりも優先度がより高いものの影響を前記予測モデルの予測結果により強く反映させる、
   ことを特徴とする請求項１～３のいずれか一項に記載の車両挙動予測方法。
5. 車両の将来の走行計画を決定し、前記将来の走行計画に沿って走行する前記車両に発生する車両挙動をモデル化した予測モデルに、決定した前記将来の走行計画を入力することにより、前記車両の車両挙動であるバウンス、ピッチ、ロール、ヨーを予測し、予測した前記車両挙動に基づいて前記車両の車両挙動を制御するアクチュエータの制御量を最適化し、最適化された前記制御量で前記アクチュエータを制御する、コントローラを備えることを特徴とする車両挙動予測装置。
6. 前記アクチュエータは、能動型サスペンションであることを特徴とする請求項５に記載の車両挙動予測装置。

Images