JP7119742B2 - 走行支援方法及び走行支援装置 - Google Patents

Description

本発明は、走行支援方法及び走行支援装置に関する。

従来、車両用アクティブサスペンションの制御方法として、現在の車両の挙動に基づき、評価関数を極小とする最適制御出力を算出して制御を行うことが知られている（特許文献１参照）。

特開２０１０－１８８７７２号公報

しかしながら、特許文献１の手法では、車両の将来の挙動が考慮されていないため、車両の挙動が動的に変化したときに車両の制御に遅れが生じる。

上記問題点に鑑み、本発明は、車両の挙動が動的に変化する場合でも、車両の制御の遅れを軽減することができる走行支援方法及び走行支援装置を提供することを目的とする。

本発明の一態様に係る走行支援方法及び走行支援装置では、自車両の走行計画に従って走行する時の車両の挙動を予測し、走行計画に基づき、予測された車両の挙動に対する評価値を算出し、評価値に基づき、車両を制御するアクチュエータの制御量を算出することを特徴とする。

本発明の態様によれば、車両の走行計画に基づき、車両の将来の挙動を考慮して車両を制御することができため、車両の挙動が動的に変化する場合でも、車両の制御の遅れを軽減することができる走行支援方法及び走行支援装置を提供することができる。

本発明の実施形態に係る走行支援装置の一例のブロック図である。 本発明の実施形態に係る能動型サスペンションの一例の概略構成図である。 本発明の実施形態に係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。 本発明の実施形態に係る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。 本発明の実施形態に係る走行シーンの一例を示す概略図である。 本発明の実施形態に係る評価関数の重みの制御割合を示すグラフである。 予測区間における制御量の変化を表すグラフである。 予測区間における状態量の変化を表すグラフである。 最適化制御におけるコストの変化を表すグラフである。 本発明の実施形態に係る走行支援方法の一例を示すフローチャートである。 本発明の実施形態の第１変形例に係る走行シーンの一例を示す概略図である。 第１変形例に係る加速度の二乗平均の変化を示すグラフである。 第１変形例に係る速度の二乗平均の変化を示すグラフである。 本発明の実施形態の第２変形例に係る走行シーンの一例を示す概略図である。 第２変形例に係る路面粗さと最大ストローク量との関係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。

本発明の実施形態に係る走行支援装置１は、図１に示すように、車外環境センサ２、車両センサ３、ナビゲーションシステム４、走行制御装置５、アクチュエータ６及びコントローラ７を備える。本発明の実施形態に係る走行支援装置１は、例えば車両に搭載可能である。以下において、本発明の実施形態に係る走行支援装置１が搭載される車両を「自車両」と称する。

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の種類や数は適宜設定可能である。車外環境センサ２は、例えばレーザレンジファインダ（ＬＲＦ）やレーダ等の測距装置を含む。測距装置は、例えば、自車両の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、自車両と自車両の前方の路面との距離を検出してもよい。自車両の進行に伴って自車両の前方の路面を走査することにより、路面粗さ（路面の起伏状況）を測定できる。測距装置は、検出した測距データを車外環境情報として、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を含む。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）等の道路標示、縁石やガードレール等の地物、前方の路面等を撮影した撮影データを車外環境情報として、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、自車両の現在の状態（挙動）を検出するセンサである。車両センサ３の種類や数は適宜設定可能である。車両センサ３は、例えば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（挙動）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。また、自車両の挙動は、例えば、バネ上のバウンスの変位と、バネ上のピッチ角の変位、ロール角の変位、及びヨー角の変位と、バネ下のバウンスの変位と、バネ上のバウンスの速度と、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速度と、バネ上のバウンスの加速度と、バネ上のピッチ角加速度、ロール角加速度、及びヨー角加速度と、バネ下のバウンスの加速度とのうち、少なくとも１つを含む。

例えば車両センサ３は、バネ上のバウンスの変位と、バネ上のピッチ角の変位、ロール角の変位、及びヨー角の変位と、バネ下のバウンスの変位を検出してよい。更に、車両センサ３は、バネ上のバウンスの速度と、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速度を検出してよい。更に、車両センサ３は、バネ上のバウンスの加速度と、バネ上のピッチ角加速度、ロール角加速度、及びヨー角加速度と、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、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。更に、車両センサ３は、自車両の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、重さ及び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情報を走行制御装置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、ナビコントローラ、測位装置、地図データベース、及び通信部を備える。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）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受信機等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、高精度地図等の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、道路勾配、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毎にリンク番号で識別されており、リンク番号毎に道路種別、道路幅、道路形状、道路勾配、車線数、法定速度（制限速度）に関する情報が対応付けられている。更に、各道路の車線毎にリンク番号が設定されている。

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、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。

ナビゲーションシステム４は、自車両の現在位置から目的地までの走行経路を設定し、設定した走行経路に従って乗員に経路案内を行う。走行経路は、車線単位で設定してもよく、道路単位で設定してもよい。更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。

走行制御装置５は、自車両の自動運転を行うＥＣＵである。ここで、本発明の実施形態における自動運転とは、加速、操舵及び制動の少なくともいずれかを自動で制御する走行制御を含み、加速、操舵及び制動のすべてを自動で制御する走行制御も含む。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からの車外環境情報と、車両センサ３からの車両状態情報とに基づき、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両に走行させる走行軌道（トラジェクトリ）を生成する。

走行制御装置５は、走行軌道を生成する際に、まず、ナビゲーションシステム４により設定された走行経路上を自車両が自動で走行す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車線と、この車線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、自車両の運動特性等に基づき生成する。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、自車両に走行させる走行軌道として設定する。走行軌道は、自車両の目標操舵角のほか、自車両の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き、アクチュエータ６に対して制御信号を出力することにより、アクチュエータ６を制御してもよい。

更に、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。なお、走行制御装置５の機能の全部又は一部は、ナビゲーションシステム４又はコントローラ７に内蔵されていてもよい。また、走行制御装置５の代わりに、ナビゲーションシステム４が運転行動計画を決定及び走行軌道の設定を実行してもよい。この場合、ナビゲーションシステム４が、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へ出力してもよい。

更に、走行制御装置５は、走行計画に従って走行する時に予定されている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、米国運輸省道路交通安全局（ＮＨＴＳＡ）により制定された基準で区分けできる。具体的に、自動運転レベル１では、加速、操舵及び制動のいずれかを自動で行う。自動運転レベル２では、加速、操舵及び制動のうち複数の操作を自動で行い、乗員に監視義務が課せられている。自動運転レベル３では、加速、操舵及び制動をすべて自動で行い、自動走行中には乗員に監視義務が課せられていないが、自動運転システムの要請により乗員が対応する。自動運転レベル４では、加速、操舵及び制動をすべて自動で行い、乗員は運転に全く関与しない。

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を制御する駆動装置である。アクチュエータ６の種類及び数は適宜設定可能である。例えば、アクチュエータ６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、及び能動型サスペンションを含む。

ステアリングアクチュエータは、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を制御する。アクセル開度アクチュエータは、走行制御装置５からの制御信号に応じて自車両のアクセル開度を制御する。ブレーキ制御アクチュエータは、走行制御装置５からの制御信号に応じて自車両の制動量を制御する。能動型サスペンションは、車体側部材と車輪側部材との間に介装され、コントローラ７からの制御信号に応じて能動型サスペンションに設けられた油圧シリンダの作動圧が調整される。

能動型サスペンションの一例を図２に示す。能動型サスペンション８は、車体側部材１０と車輪１１ＦＬ，１１ＦＲ，１１ＲＬ，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，１８ＦＲ，１８ＲＬ，１８ＲＲと、油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，１８ＲＲの作動圧を個別に調整する圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲを備える。

更に、能動型サスペンション８は、圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，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，２０ＦＲ，２０ＲＬ，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、油圧源２２及び圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，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，１８ＦＲ，１８ＲＬ，１８ＲＲのそれぞれは、シリンダチューブ１８ａを有する。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。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。

圧力室Ｌの各々は、油圧配管３８を介して圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲの出力ポートに接続されている。また、油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，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，１８ＦＲ，１８ＲＬ，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，２０ＦＲ，２０ＲＬ，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、即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，１８ＦＲ，１８ＲＬ，１８ＲＲとの間で流通する作動油が制御される。このように、能動型サスペンション８では、圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，２０ＲＲの指令電流ｉ（制御量）を調整して油圧シリンダ１８ＦＬ，１８ＦＲ，１８ＲＬ，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抑制する。

図３は、励磁コイルに加えられる指令電流ｉ（：ｉＦＬ，ｉＦＲ，ｉＲＬ，ｉＲＲ）と圧力制御弁２０ＦＬ，２０ＦＲ，２０ＲＬ，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に示したコントローラ７は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro-Processing Unit）等のプロセッサと、記憶装置等の周辺部品とを含むＥＣＵである。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）等のプログラマブル・ロジック・デバイス（ＰＬＤ）等を有していてもよい。

コントローラ７は、車外環境センサ２から出力された車外環境情報と、車両センサ３から出力された車両状態情報と、ナビゲーションシステム４から出力された走行計画及び車外環境情報と、走行制御装置５から出力された走行計画とに基づき、アクチュエータ６を制御する。本発明の実施形態では、コントローラ７が、アクチュエータ６として、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、及び能動型サスペンションをそれぞれ制御する場合を例示する。

コントローラ７は、図４に示すように、車両情報取得部４１、車外情報取得部４２、走行計画取得部４３、及びモデル予測制御部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。

車両センサ３から出力される車両状態情報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算出できる。車両センサ３から出力される車両状態情報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算出し、速度情報を微分することにより加速度情報を算出できる。車両センサ３から出力される車両状態情報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算出できる。車両情報取得部４１は、取得した車両状態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から出力された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、自車両の前方の道路の路面粗さ、路面に発生している路面振動、自車両の前方の道路の路面摩擦係数を含んでよい。更に、車外情報取得部４２は、ナビゲーションシステム４から出力された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、自車両がこれから走行する予定の走行計画を取得する。例えば、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してもよい。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してもよい。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してもよい。また、走行計画取得部４３は、自車両がこれから走行する予定の地図情報に含まれる道路形状と、自車両がこれから走行する時の車速計画とを、走行計画として取得してもよい。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、モデル予測制御を行う。モデル予測制御は、制御対象の出力を予測し、現時刻から所定時刻までの将来の有限区間（予測区間）における制御性能を示す評価関数を最小化する制御量を、最適化問題等を用いて探索するものである。モデル予測制御部４４は、車両情報取得部４１により取得された車両状態情報と、車外情報取得部４２により取得された車外環境情報と、走行計画取得部４３により取得された走行計画とに基づくモデル予測制御を行い、アクチュエータ６として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、能動型サスペンションの制御量をそれぞれ算出する。

モデル予測制御部４４は、状態予測器５１、重み設定部５２、評価部５３、及び最適化部５４を備える。状態予測器５１は、車両情報取得部４１により取得された現在の自車両の状態と、車外情報取得部４２により取得された車外環境と、走行計画取得部４３により取得された自車両の走行計画と、最適化部５４により算出されたアクチュエータ６の制御量の候補とに基づき、予測区間における将来の自車両の状態（挙動）を予測する。このため、状態予測器５１は、車両情報取得部４１により取得された現在の自車両の状態と、車外情報取得部４２により取得された車外環境と、走行計画取得部４３により取得された自車両の走行計画と、最適化部５４により算出されたアクチュエータ６の制御量の候補とに応じて発生する自車両の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、車両情報取得部４１により取得された現在の自車両の状態と、車外情報取得部４２により取得された車外環境と、走行計画取得部４３により取得された自車両の走行計画と、最適化部５４により算出されたアクチュエータ６の制御量の候補とに応じて発生する自車両の挙動が、微分方程式により表現されたモデルであってよく、深層ニューラルネットワーク（ＤＮＮ）等の学習器で構成されるモデルであってもよい。

例えば、状態予測器５１は、予測区間における将来の自車両の車体の状態（挙動）として、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５１は、予測した将来の自車両の車体の状態量を評価部５３へ出力する。

重み設定部５２は、走行計画取得部４３により取得された自車両がこれから走行する走行計画と、車外情報取得部４２により取得された車外環境情報と、状態予測器５１により予測された自車両の挙動とに基づき、自車両の挙動に対する評価値を算出する。例えば、重み設定部５２は、アクチュエータ６の制御量を評価するための評価関数の各状態変数の重みを評価値として設定する。

例えば、モデル予測制御部４４によるモデル予測制御において、以下の式（１）で表す評価関数Ｊ１を用いることができる。

Ｊ1= Wa * Roll_dis + Wb * Roll_vel + Wc * Roll_acc
+ Wd * Pitch_dis + We * Pitch_vel + Wf * Pitch_acc
+ Wg * Yaw_dis + Wh * Yaw_vel + Wi * Yaw_acc
+ Wj * Bounce_dis + Wk * Bounce_vel + Wl * Bounce_acc
…（１）

ここで、Roll_disはロール角変位の状態変数、Roll_velはロール角速度の状態変数、Roll_accはロール角加速度、Pitch_disはピッチ角変位の状態変数、Pitch_velはピッチ角速度の状態変数、Pitch_accはピッチ角加速度の状態変数、Yaw_disはヨー角変位の状態変数、Yaw_velはヨー角速度の状態変数、Yaw_accはヨー角加速度の状態変数、Bounce_disはバウンス変位の状態変数、Bounce_velはバウンス速度の状態変数、Bounce_accはバウンス加速度の状態変数を示す。

また、Waはロール角変位の重み、Wbはロール角速度の重み、Wcはロール角加速度の重み、Wdはピッチ角変位の重み、Weはピッチ角速度の重み、Wfはピッチ角加速度の重み、Wgはヨー角変位の重み、Whはヨー角速度の重み、Wiはヨー角加速度の重み、Wjはバウンス変位の重み、Wkはバウンス速度の重み、Wkはバウンス加速度の重みを示す。

モデル予測制御では、評価関数を最小化するように制御を行うため、重み設定部５２により設定される重みが大きいほど、その重みで重み付けされた状態変数に対応する自車両の挙動の抑制量が大きくなる。このため、重み設定部５２は、走行計画に従ってこれから走行する時に優先して抑制したい自車両の挙動に対応する状態変数の重みを大きくするように、各状態変数の重みを調整する。例えば、走行計画に従ってこれから走行する時に、自車両の状態量が増加すると予測される状態変数の重みを大きくし、且つ自車両の状態量が減少すると予測される状態変数の重みを小さく調整してもよい。

例えば、自車両が車線変更や右左折等のために旋回する場合には、直進する場合と比較して、ロール角変位、ロール角速度、ロール角加速度、ヨー角変位、ヨー角速度、ヨー角加速度等が相対的に大きくなる。このため、重み設定部５２は、走行計画に含まれる走行経路、運転行動計画、走行軌道、道路形状等に基づき、走行計画が旋回を予定していることを認識した場合には、旋回動作中のロール角変位、ロール角速度、ロール角加速度、ヨー角変位、ヨー角速度、ヨー角加速度をより抑制するように、旋回動作中のロール角変位、ロール角速度、ロール角加速度、ヨー角変位、ヨー角速度、ヨー角加速度のそれぞれの重みを、旋回動作の開始前と比較して相対的に大きくし、且つこれら以外の重みを相対的に小さくするように事前に調整してもよい。

また、自車両の走行制御が加減速を含む場合には、一定速度で走行する場合と比較して、ピッチ角変位、ピッチ角速度、ピッチ各加速度、バウンス変位、バウンス速度、バウンス加速度等が相対的に大きくなる。このため、重み設定部５２は、走行計画に含まれる車速計画等に基づき、走行計画が加減速を予定していることを認識した場合には、加減速が発生する区間のピッチ角変位、ピッチ角速度、ピッチ各加速度、バウンス変位、バウンス速度、バウンス加速度を抑制するように、加減速が発生する区間のピッチ角変位、ピッチ角速度、ピッチ各加速度、バウンス変位、バウンス速度、バウンス加速度のそれぞれの重みを、加減速が発生しない区間と比較して相対的に大きくし、且つこれら以外の重みを相対的に小さくするように事前に調整してもよい。

例えば、図５に示すように、自車両１００が走行計画に従って走行する時に、自車両１００が矢印Ｄ１で模式的に示すように右旋回（右折）する予定である場合を考える。重み設定部５２は、走行計画に基づき、右旋回開始前の重みに対して異なる右旋回時の重みを、右旋回の開始時点から調整して設定する。

例えば図６に示すように、上記式（１）の評価関数Ｊ１の状態変数に対応させて、ロール角変位の重みWaを14.6%、ロール角速度Wbを10.7%、ロール角加速度の重みWcを8.1%、ピッチ角変位の重みWdを7.5%、ピッチ角速度の重みWeを11.6%、ピッチ角加速度の重みWfを0.9%、ヨー角変位の重みWgを13.1%、ヨー角速度の重みWhを5.5%、ヨー角加速度の重みWiを9.2%、バウンス変位Wjを10.3%、バウンス速度の重みWkを8.4%、バウンス加速度の重みWlを0.1%にそれぞれ設定する。例えば、右旋回時のロール角変位の重みWa、ロール角速度Wb、ロール角加速度の重みWc、ヨー角変位の重みWg、ヨー角速度の重みWh、ヨー角加速度の重みWiは、右旋回開始前よりもそれぞれ大きく調整されている。

評価部５３は、状態予測器５１により予測された自車両の将来の状態量と、重み設定部５２により設定された重みとに基づき、評価関数の値（コスト）を算出することにより、予測区間におけるアクチュエータ６の制御量の候補の制御性能を評価する。例えば、評価部５３は、上記式（１）の評価関数Ｊ１を用いて、状態予測器５１により予測された自車両の将来の状態量に対応する状態変数を、重み設定部５２により設定された重みで重み付けすることによりコストを算出する。評価部５３は、算出したコストを最適化部５４へ出力する。

最適化部５４は、評価部５３により算出されたコストを最小化するように、アクチュエータ６の制御量の候補を最適化する。最適化部５４は、例えば、評価関数の微分値を用いる反復手法に基づき制御量の候補を最適化してよい。また例えば、最適化部５４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き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５４は、探索によって最適化されたアクチュエータ６の制御量を、アクチュエータ６へ出力する。

モデル予測制御部４４は、アクチュエータ６の制御量の候補が最適化されるまで、アクチュエータ６の制御量の候補の算出、自車両の状態の予測、コストの算出の一連の処理を所定回数だけ繰り返すことで、コストを最小化した最終的な制御量を決定する。例えば、図７Ａの曲線Ｌ１，Ｌ２は、１回目及び２回目の処理周期で最適化部５４によりそれぞれ算出された、現在時刻ｔ０から所定時刻ｔｐまでの予測区間Ｔｐにおけるアクチュエータ６の制御量の一例を示す。図７Ｂの曲線Ｌ３，Ｌ４は、１回目及び２回目の処理周期で状態予測器５１によりそれぞれ予測された、現在時刻ｔ０から所定時刻ｔｐまでの予測区間Ｔｐにおける自車両の状態量の一例を示す。図７Ｃは、評価部５３により処理周期毎に算出されたコストの変化を示す。

（走行支援方法）
次に、図８のフローチャートを参照して、本発明の実施形態に係る走行支援方法の一例を説明する。

ステップＳ１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Ｓ２において、車両センサ３は、現在の自車両の状態を検出する。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。

ステップＳ３において、最適化部５４は、予測区間におけるアクチュエータ６の制御量の候補の初期値を決定する。ステップＳ４において、状態予測器５１は、車両センサ３により検出された現在の自車両の状態と、車外環境センサ２により検出された車外環境と、ナビゲーションシステム４及び走行制御装置５により決定された予測区間における自車両の走行計画と、最適化部５４により決定された予測区間におけるアクチュエータ６の制御量の候補とに基づき、自車両が走行計画に従って走行する時の予測区間における車体の状態量を予測する。

ステップＳ５において、重み設定部５２は、ナビゲーションシステム４及び走行制御装置５により決定された予測区間における自車両の走行計画と、状態予測器５１により予測された予測区間における車体の状態量とに基づき、自車両の将来の挙動に対する評価値を算出する。例えば、重み設定部５２は、上記式（１）の評価関数Ｊ１を用いて、走行計画に従って走行する時に自車両の車体に発生する挙動を抑制するように、評価関数Ｊ１の各状態変数の重みを評価値として設定する。

ステップＳ６において、評価部５３は、状態予測器５１が予測した状態量と、重み設定部５２により設定された重みとに基づき、評価関数のコストを算出することにより、最適化部５４により決定された予測区間におけるアクチュエータ６の制御量の候補の制御性能を評価する。

ステップＳ７において、最適化部５４は、評価部５３が算出したコストに基づき、予測区間におけるアクチュエータ６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５４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。

ステップＳ７においてアクチュエータ６の制御量の候補が最適化されていないと判定された場合に、ステップＳ８へ移行する。ステップＳ８において、最適化部５４は、所定の最適化アルゴリズムを用いて、アクチュエータ６の制御量の候補を再計算する。その後、ステップＳ４の手順に戻る。

一方、ステップＳ７においてアクチュエータ６の制御量の候補が最適化されたと判定された場合に、最適化部５４は、最適化されたと判定された時点でのアクチュエータ６の制御量の候補を最終的な制御量としてアクチュエータ６に出力する。アクチュエータ６は、最適化部５４により出力された制御量に応じて自車両の挙動を抑制するように自車両を制御する。

（実施形態の効果）
本発明の実施形態によれば、自車両がこれから走行する走行計画を取得し、走行計画に従って走行する時の自車両の挙動を予測する。そして、自車両がこれから走行する走行計画に基づき、予測された自車両の挙動に対する評価値として算出し、評価値に基づき、車両を制御するアクチュエータ６の制御量を算出する。これにより、自車両の挙動が動的に変化する場合でも、自車両に将来生じる挙動の変化を考慮して、アクチュエータ６の特性を事前に調整することができる。このため、自車両の挙動が動的に変化した直後の自車両の挙動が動的に変化する場合でも、自車両の制御の遅れを軽減することができる。したがって、走行計画上の走行シーンに合わせて自車両の挙動を抑制するようにアクチュエータ６の特性を設定することができ、乗員の乗り心地を向上させることができる。

更に、例えば自車両の複数の挙動に対応する複数の評価値を算出し、複数の評価値に基づき、自車両の複数の挙動の制御割合を決定する。これにより、自車両の複数の挙動を抑制するようにアクチュエータ６の特性を設定することができ、乗員の乗り心地を向上させることができる。

更に、自車両の挙動を予測する時に用いる走行計画が、自車両が自動で走行するために算出した車両運動計画を含むことにより、車両運動計画に基づき自動運転を実行しているときの乗り心地を改善することができる。一般的に、自動運転の実行時は、手動運転時と比較して、乗員の乗り心地の感じ方が異なる。また、同じ道路を走行したとしても、自動運転時は手動運転時と異なる挙動が発生するように制御が実行される可能性がある。これに対して、自動運転の制御に合わせてアクチュエータ６の特性を事前に設定することができるので、自動運転の実行時に乗員に与える違和感を軽減することができる。

更に、自車両の挙動を予測する時に用いる走行計画が、車両が自動で走行するために算出した走行軌跡を含む。これにより、自動運転の制御に合わせてアクチュエータ６の特性を事前に設定することができるので、自動運転の実行時に乗員に与える違和感を軽減することができる。

更に、自車両の挙動を予測する時に用いる走行計画が、道路形状を地図から取得した道路形状と、車両がこれから走行する時の車速計画を含む。これにより、自動運転の制御に合わせてアクチュエータ６の特性を事前に設定することができるので、自動運転の実行時に乗員に与える違和感を軽減することができる。

更に、車両の挙動を評価する評価関数の状態変数に対する重みを評価値として設定し、設定した重みで重み付けした評価関数を最小化するように制御量を算出する。これにより、評価関数を用いたモデル予測制御において、今後の環境変化に対して事前に評価関数の重みを調整するので、モデル予測制御の性能を向上させることができる。

（第１変形例）
本発明の実施形態の第１変形例として、走行計画に従って自動運転レベルが切り替わることを予定している場合に、自動運転レベルに応じて評価関数の各重みの制御割合を調整する場合を説明する。

例えば、自動運転レベルは、高精度地図の有無や、高速道路や市街地等で異なる走行状況の複雑さ（難易度）に応じて切り替えてもよい。自動運転レベルに応じて、乗員の車外の監視義務の有無が異なる。そして、自車両の同一の挙動であっても、乗員の車外の監視義務の有無に応じて、乗員が感じる乗り心地が変化する。そこで、走行計画に従って将来的に自動運転レベルが切り替わり、乗員の車外の監視義務の有無が変化することを予定している場合には、乗員の乗り心地を向上させるように評価関数の重みを変化させる。

本発明の実施形態の第１変形例では、アクチュエータ６として能動型サスペンションの制御量の評価指標である評価関数Ｊ２を用いる。評価関数Ｊ２は、例えば以下の式（２）で表すことができる。

J2 = Wa * a1 + Wv * v1 …（２）

ここで、a1はバネ上加速度の状態変数、v1はバネ上速度の状態変数である。また、Waはバネ加速度成分の重み、Wvはバネ速度成分の重みを示す。

例えば図９に示すように、自車両１００が走行予定の道路Ｌ１１の区間Ｓ１１，Ｓ１２において、走行計画上、自動運転レベルを変化させる場合を考える。走行計画上、道路Ｌ１１の区間Ｓ１１は自動運転レベル４に設定され、乗員に車外の監視義務が課されない。乗員に監視義務が課されていない場合、乗員はバネ上加速度が小さい方が乗り心地が良いことが推定される。このため、図４に示した重み設定部５２は、現在から区間Ｓ１１の終了時点までは、乗員に監視義務が課される場合と比較して、バネ上加速度をより抑制するように、バネ上加速度の重みWaを大きくし、且つバネ上速度の重みWvを小さく設定する。

一方、区間Ｓ１２では、走行計画上、自動運転レベル３に設定されており、乗員に車外の監視義務が課され、自動運転システムが乗員への車外の注意を求める。乗員が車外を監視する場合、バネ上速度が小さい方が、乗員は車外を監視し易いことが推定される。このため、図４に示した重み設定部５２は、乗員に監視義務が課されていない区間Ｓ１１が終了し、乗員に監視義務が課される区間Ｓ１２の開始時点から、バネ上速度をより抑制するように、バネ上速度Wvの重みを大きくし、且つバネ上加速度の重みWaを小さくするように調整する。

本発明の実施形態の第１変形例によれば、乗員による車外の監視義務の有無に応じて評価関数の重みを調整することにより、乗員の乗り心地を向上させることができる。例えば、乗員に車外の監視義務が課され、自動運転システムが乗員への車外の注意を求める場合は、バネ上速度の重みを増やすことによりバネ上速度を低減し、乗員に車外を監視させ易くすることができる。なお、バネ上速度の重みを増大させると共に、或いはバネ上速度の重みを増大させる代わりに、ピッチ角速度の重みを増大させてもよい。ピッチ角速度の重みを増大させ、ピッチ角速度を低減することによっても、乗員に車外を監視させ易くすることができる。

更に、走行計画上、乗員による車外の監視義務の有無が変化する場合でも、走行計画に基づき評価関数の重みを事前に調整することができるので、乗員による車外の監視義務の有無が変化した直後の制御の遅れを軽減することができる。

（第２変形例）
本発明の実施形態の第２変形例として、走行計画に従って走行する道路の路面粗さ（路面の起伏状態）が変化することが予定されている場合に、路面粗さに応じて評価関数の重みの割合の調整する場合を説明する。

例えば、図４に示した車外情報取得部４２が、ナビゲーションシステム４の地図データベースに含まれる、走行計画に従って自車両が走行予定の道路の路面粗さの情報を取得してもよい。或いは、車外情報取得部４２が、車外環境センサ２により自車両の前方の道路の路面粗さを検出することにより、路面粗さの情報を取得してもよい。

例えば図１２に示すように、自車両１００が走行計画に従って走行予定の道路Ｒ１２の区間Ｓ２１，Ｓ２２で路面粗さが変化する場合を考える。例えば、路面粗さはＩＳＯ８６０８によりレベル分けされ、路面が粗い（路面の起伏が大きい）ほど路面粗さレベルが高くなるように定義されている。図１２に示した区間Ｓ２１は、ＩＳＯ８６０８に準拠した路面粗さレベル７であり、区間Ｓ２２は区間Ｓ２１よりも粗く、ＩＳＯ８６０８に準拠した路面粗さレベル９とする。

例えば、本発明の実施形態の第２変形例では、アクチュエータ６として能動型サスペンションの制御量の評価指標である上記式（２）の評価関数Ｊ２を用いる。重み設定部５２は、区間Ｓ２１では、区間Ｓ２２の場合と比較して、評価関数Ｊ２のバネ上速度の重みを相対的に小さく、且つバネ上加速度の重みを相対的に大きく調整する。この場合、路面粗さレベルに応じて、自車両のサスペンションの最大ストローク量は、図１３に太い実線で示すように変化する。区間Ｓ２１の路面粗さレベル７では、自車両のサスペンションの最大ストローク量は０．０６ｍ程度である。

図１３に太い実線で示すように、路面粗さレベル９に変化すると、サスペンションの最大ストローク量が上限値である０．０８ｍを超えることが予定される。そこで、重み設定部５２は、区間Ｓ２２に進入したときにサスペンションの最大ストローク量が上限を超えることが予定される場合には、ストローク量を抑制するように評価関数の重みを事前に調整する。例えば、重み設定部５２は、バネ上加速度の重みを小さくすると共に、バネ上速度の重みを大きくする。これにより、路面粗さレベルに応じて、自車両のサスペンションの最大ストローク量は、図１３に細い実線で示すように変化する。区間Ｓ２２の路面粗さレベル９では、自車両のサスペンションの最大ストローク量は０．０８程度に抑制することができる。

本発明の実施形態の第２変形例によれば、走行計画に従って自車両が走行予定の道路の路面粗さの情報に基づき、評価関数のバネ上速度及びバネ上加速度等の重みを事前に調整することで、自車両が走行する道路の路面粗さが変化した時点から制御の遅れなく、サスペンションの最大ストローク量を適切に調整することができる。

（その他の実施形態）
上記のように、本発明は実施形態によって記載したが、この開示の一部をなす論述及び図面は本発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替の実施形態、実施例及び運用技術が明らかとなろう。

例えば、本発明の実施形態では、状態予測器５１が、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する場合を例示したが、これに限定されない。即ち、状態予測器５１が、手動運転時に乗員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。

また、本発明の実施形態では、上記式（１）の評価関数Ｊ１及び上記式（２）の評価関数Ｊ２を例示したが、評価関数はこれに限定されず、適宜設定可能である。例えば、上記式（１）の評価関数Ｊ１の要素として、ロール角加加速度、ピッチ角加加速度、ヨー角加加速度、バウンス加加速度のそれぞれの状態変数及び重みを追加してもよい。また、上記式（１）の評価関数Ｊ１の状態変数の一部が無くてもよい。

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…アクチュエータ、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，１８ＦＲ，１８ＲＬ，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、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、５１…状態予測器、５２…重み設定部、５３…評価部、５４…最適化部

Claims (6)

1. 車両の走行計画を取得し、
   前記走行計画に従って走行する時の前記車両の挙動を予測し、
   前記走行計画に基づき、前記予測された車両の挙動の複数の状態変数の状態量を算出し、
   前記車両を制御するアクチュエータにより制御される前記車両の挙動の抑制量を、前記状態量が減少すると予測される状態変数に対しては小さく設定し、前記状態量が増加すると予測される状態変数に対しては大きく設定する
   ことを特徴とする走行支援方法。
2. 前記複数の状態変数は、バウンス、ピッチ、ロール、ヨーのいずれか２つ以上の状態変数であることを特徴とする請求項1に記載の走行支援方法。
3. 車両の走行計画を取得し、
   前記走行計画に従って走行する時の前記車両の挙動を予測し、
   前記走行計画に基づき、前記予測された車両の挙動の複数の状態変数の状態量を算出し、
   前記複数の状態変数は、バネ上速度又はピッチ角速度の状態変数と、バネ上加速度の状態変数とを含み、
   前記車両を制御するアクチュエータである能動型サスペンションの制御量を、前記車両の自動運転時に前記車両の乗員に車外の監視義務が課される区間では、前記監視義務が課されていない区間よりも、前記バネ上速度又は前記ピッチ角速度の状態変数に対しては大きく設定し、且つ前記バネ上加速度の状態変数に対しては小さく設定する
   ことを特徴とする走行支援方法。
4. 車両の走行計画を取得し、
   前記走行計画に従って走行する時の前記車両の挙動を予測し、
   前記走行計画に基づき、前記予測された車両の挙動の複数の状態変数の状態量を算出し、
   前記複数の状態変数は、バネ上速度の状態変数及びバネ上加速度の状態変数を含み、
   前記車両を制御するアクチュエータである能動型サスペンションの制御量を、前記車両が走行予定の道路の路面粗さが粗いほど、前記バネ上速度の状態変数に対しては大きく設定し、且つ前記バネ上加速度の状態変数に対しては小さく設定する
   ことを特徴とする走行支援方法。
5. 前記アクチュエータの制御量を評価するための前記複数の状態変数を用いた評価関数の前記複数の状態変数のそれぞれに対する重みを設定し、
   前記複数の状態変数のそれぞれを前記重みで重み付けした前記評価関数を最小化するように前記制御量を算出する
   ことを特徴とする請求項１～４のいずれか１項に記載の走行支援方法。
6. 車両を制御するアクチュエータと、
   前記車両の走行計画を取得し、前記走行計画に従って走行する時の前記車両の挙動を予測し、前記走行計画に基づき、前記予測された車両の挙動の複数の状態変数の状態量を算出し、前記アクチュエータにより制御される前記車両の挙動の抑制量を、前記状態量が減少すると予測される状態変数に対しては小さく設定し、前記状態量が増加すると予測される状態変数に対しては大きく設定するコントローラ
   とを備えることを特徴とする走行支援装置。

Images