JP7188073B2 - 車両制御方法及び車両制御装置 - Google Patents

Description

本発明は、車両制御方法及び車両制御装置に関する。

特許文献１には、自車の周囲の走行環境と自車の走行状態とを検出した信号により、ドライバーの運転操作を学習し、学習結果に基づいて自車を制御する自動走行制御装置が提案されている。

特開平７－１０８８４９号公報

しかしながら、乗員により行われた運転操作が常に乗員の嗜好に適合しているとは限らない。このため、過去の走行状態のデータから乗員による運転方法を学習する際に、学習用データに乗員の嗜好に適合しない走行状態のデータが含まれると、乗員の嗜好に合わせて車両を制御できなくなることがある。
本発明は、車両の制御特性を乗員の嗜好に合わせることを目的とする。

本発明の一態様による車両制御方法では、乗員の脳活動を計測し、車両の走行状態に対する乗員の違和感を脳活動に基づいて検出し、走行状態に対する違和感の検出結果と、検出した走行状態と、に基づいて車両の制御特性を決定する。

本発明によれば、車両の制御特性を乗員の嗜好に合わせることができる。

本発明の実施形態に係る車両制御装置の一例を示すブロック図である。 脳活動センサの電極配置の一例の概略図である。 乗員が違和感を感じる減速時の車速パターンと乗員が違和感を感じない車速パターンの例を示す模式図である。 第１実施形態による減速時の車速パターンの決定方法の一例の説明図である。 車速パターンの比較例を示す図である。 第１実施形態におけ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。 脳波の波形の一例を示すグラフである。 違和感を検出する処理の一例を説明するためのグラフである。 違和感を検出する処理の他の一例を説明するためのグラフである。 第１実施形態による車両制御方法の一例のフローチャートである。 第１実施形態の第１変形例におけ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。 第１実施形態の第１変形例による減速時の車速パターンの決定方法の一例の説明図である。 第１実施形態の第１変形例による車両制御方法の一例のフローチャートである。 第２実施形態におけ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。 機動的な運転を好む場合の応答特性の設定例の説明図である。 緩慢な運転を好む場合の応答特性の設定例の説明図である。 第２実施形態による車両制御方法の一例のフローチャートである。 第２実施形態の第２変形例による操舵パターンの決定方法の一例の説明図である。 第３実施形態におけ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。 第３実施形態における応答特性の決定方法の一例の説明図である。 第３実施形態における車両制御方法の一例のフローチャートである。

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。

（第１実施形態）
図１を参照する。車両制御装置１は、車両制御装置１を搭載する車両（以下、「自車両」と表記する）の周囲の走行環境に基づいて、運転者が関与せずに自車両を自動で運転する自動運転制御や、運転者による自車両の運転を支援する運転支援制御を行う。
運転支援制御には、自動操舵、自動ブレーキ、定速走行制御、車線維持制御、合流支援制御などの走行制御のほか、運転者に操舵操作や減速操作を促すメッセージを出力することを含んでよい。

車両制御装置１は、周囲環境センサ２と、車両センサ３と、ナビゲーションシステム４と、脳活動センサ５と、コントローラ６と、走行制御アクチュエータ７を備える。
周囲環境センサ２は、自車両の周囲環境、例えば自車両の周囲の物体を検出するセンサである。周囲環境センサ２は、例えば測距装置やカメラを含んでよい。
測距装置及びカメラは、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等の自車両の周囲環境を検出する。

測距装置は、例えば、レーザレンジファインダ（ＬＲＦ：Laser Range-Finder）やレーダであってよい。カメラは、例えばステレオカメラであってよい。
カメラは、単眼カメラであってもよく、単眼カメラにより複数の視点で同一の物体を撮影して、物体までの距離を計算してもよい。また、単眼カメラによる撮像画像から検出された物体の接地位置に基づいて、物体までの距離を計算してもよい。
周囲環境センサ２は、検出した周囲環境の情報である周囲環境情報をコントローラ６へ出力する。

車両センサ３は、自車両の走行状態を検出するセンサと、乗員により行われた運転操作を検出するセンサとを含む。
自車両の走行状態を検出するセンサは、例えば、車速センサと、加速度センサと、ジャイロセンサなどを含んでよい。
また、例えば、運転操作を検出するセンサは、操舵角センサと、操舵トルクセンサと、アクセルセンサと、ブレーキセンサなどを含んでよい。

車速センサは、自車両の車輪速を検出し、車輪速に基づいて自車両の速度を算出する。
加速度センサは、自車両の前後方向の加速度、車幅方向の加速度及び上下方向の加速度を検出する。
ジャイロセンサは、ロール軸、ピッチ軸及びヨー軸を含む３軸回りの自車両の回転角度の角速度を検出する。

操舵角センサは、操舵操作子であるステアリングホイールの現在の回転角度（操舵操作量）である現在操舵角を検出する。
操舵トルクセンサは、乗員の操舵操作によりステアリングホイールに印加される操舵トルクを検出する。
アクセルセンサは、自車両のアクセル開度を検出する。例えばアクセルセンサは、自車両のアクセルペダルの踏み込み量をアクセル開度として検出する。

ブレーキセンサは、乗員によるブレーキ操作量を検出する。例えばブレーキセンサは、自車両のブレーキペダルの踏み込み量をブレーキ操作量として検出する。
車両センサ３が検出した信号を総称して「車両信号」と表記する。車両センサ３は車両信号をコントローラ６へ出力する。なお、車両センサ３の種類はこれらに限られない。車両センサ３は、車両の状態を検出する様々なセンサを含んでよい。

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する。ナビゲーションシステム４は、乗員が入力した目的地までの走行経路を設定し、この走行経路に従って乗員に経路案内を行う。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コントローラ６へ出力する。自車両の走行状態が自動運転モードである場合、コントローラ６は、ナビゲーションシステム４が設定した走行経路に沿って走行するように自車両を自動で運転する。

脳活動センサ５は、乗員の脳活動を計測するセンサである。例えば、脳活動センサ５は、脳活動として脳波を計測してよい。
乗員による運転操作により自車両が運転される場合、脳活動センサ５は車両の運転に携わる乗員の脳活動を計測する。いずれの乗員も関与せずに自車両を自動で運転する場合には、脳活動センサ５は自車両の乗員のいずれかの脳活動を計測する。例えば脳活動センサ５は、自車両の自動運転制御に対する操作権限を有する乗員の脳活動を計測してよい。

図２を参照する。例えば、脳活動センサ５の複数の電極は、国際１０－２０法に準拠して、認知機能に関わる乗員の頭頂部Ｆｚ，Ｆｃｚ，Ｃｚ，ＣＰｚに配置されてよい。なお、複数の電極の個数及び取り付け位置は特に限定されない。
脳活動センサ５は、脳活動の計測結果をコントローラ６へ出力する。
コントローラ６は、自車両の車両制御に必要な処理の算術論理演算を行う電子制御ユニット（ＥＣＵ）等の処理回路である。

コントローラ６は、プロセッサ１０と、記憶装置１１等の周辺部品とを含む。プロセッサ１０は、例えばＣＰＵ（Central Processing Unit）、やＭＰＵ（Micro-Processing Unit）であってよい。
記憶装置１１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１１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。

以下に説明するコントローラ６の機能は、例えばコントローラ６のプロセッサ１０が、記憶装置１１に格納されたコンピュータプログラムを実行することにより実現される。
なお、コントローラ６を、以下に説明する各情報処理を実行するための専用のハードウエアにより形成してもよい。
例えば、コントローラ６は、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を備えてもよい。例えばコントローラ６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。

コントローラ６は、車両センサ３から出力される車両信号に基づいて自車両の走行を制御する制御指令（制御信号）を出力する。制御指令は、例えば転舵量、スロットル開度、ブレーキ制動量の制御指令を含んでよい。
走行制御アクチュエータ７は、コントローラ６からの制御指令に基づいて自車両の転舵機構、動力源、動力伝達装置又は制動装置などを駆動することにより、乗員の運転操作に応じた自車両の走行を実現する。

走行制御アクチュエータ７は、例えばステアリングアクチュエータと、アクセルアクチュエータと、ブレーキ油圧アクチュエータを備えてよい。
ステアリングアクチュエータは、車両の転舵機構を制御する。アクセルアクチュエータは、車両のスロットル開度を制御する。ブレーキ油圧アクチュエータは、車両のブレーキ装置の制動動作を制御する。
なお、走行制御アクチュエータ７の種類はこれらに限られない。走行制御アクチュエータ７は、車両挙動を制御する様々な種類のアクチュエータを含んでよい。

また、運転支援制御を実行する場合、コントローラ６は、周囲環境センサ２から入力した周囲環境情報と、車両センサ３から入力した車両信号とに基づいて、自車両に走行させる走行軌道や、減速時や加速時の車速パターンを生成する。コントローラ６は、これら、生成された走行軌道や、車速パターンに従って自車両を走行させる制御指令（制御信号）を出力する。

自動運転制御を実行している場合、コントローラ６は、周囲環境センサ２から入力した周囲環境情報と、車両センサ３から入力した車両信号とに基づいて、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両に走行させる走行軌道を生成する。この走行軌道には、速度パターンの目標値やそのための加減速を含む。コントローラ６は、生成した走行軌道を走行するように自車両の走行を制御する制御指令（制御信号）を出力する。
走行制御アクチュエータ７は、コントローラ６からの制御指令に基づいて自車両の転舵機構、動力源、動力伝達装置又は制動装置などを駆動することにより、コントローラ６が生成した走行軌道上で自車両を走行させる。

このように、コントローラ６は、乗員の運転操作や、自動運転制御、運転支援制御にしたがって自車両を走行させるが、その際に自車両の制御特性が乗員の嗜好に合わないことがある。
このような制御特性として、例えば、自車両に対する運転操作に応答する車両の応答特性が乗員の嗜好に合わないことがある。運転操作には、例えば、操舵操作、加速操作（アクセルペダル操作）、制動操作（ブレーキペダル操作）が含まれる。応答特性には、スポーティ、緩慢などが含まれる。
制御特性のその他の例は、運転支援制御や自動運転制御における自動運転の制御目標値である。制御目標値は、例えば、自動操舵における操舵角や操舵速度の目標値や、自動ブレーキや自動速度制御における減速開始時間（又は減速所要時間）や減速度、加速開始時間（又は加速所要時間）や加速度の目標値、車線維持制御における車線内の位置（中央、左寄り、右寄り）、カーブ走行時の車線内の位置（内側、外側）の目標値である。

このため、コントローラ６は、特定の走行シーンにおける乗員の脳活動に基づいて、車両の走行状態に対する乗員の違和感を検出し、乗員の違和感の検出結果に基づいて自車両の制御特性を決定する。
特定の走行シーンとしては、乗員の嗜好性を推定しやすい走行シーンが好適である。例えば、減速シーン、車間維持シーン、追い越しシーン、合流シーン、車線変更シーン、発進シーン、狭路走行シーン、右左折シーン、駐車シーンであってよい。

これらの走行シーンでは、例えば、減速開始時間（又は減速所要時間）や減速度、加速開始時間（又は加速所要時間）や加速度、車間距離（ＴＴＣ、ＴＴＤ）、転舵速度、自車の車線内位置などの走行状態が、乗員に違和感を生じさせると考えられる。
コントローラ６は、これらの走行状態の特徴を表す特徴量を検出する。例えばコントローラ６は、特徴量として、速度、加速度、横加速度、ヨーレート、操舵角、操舵速度、アクセル操作量、ブレーキ操作量、スロットル開度、ブレーキ油圧を検出する。
そして、コントローラ６は、走行状態に対する違和感の検出結果と、検出した特徴量（すなわち特徴量によって表される走行状態）とに基づいて自車両の制御特性を決定する。これにより、コントローラ６は、車両の制御特性を乗員の嗜好に合わせることができる。

次に説明する第１実施形態では、減速シーンにおける車両の制御特性を決定する。減速シーンにおいて乗員が違和感を覚える走行状態には、例えば減速開始時間と、減速中の自車両の速度が考えられる。
図３Ａは、減速開始時間と自車両の速度から得られる減速中の車速パターンを示す。
減速開始時間が早すぎたり、逆に遅すぎる場合や、急減速が行われた場合には、自車両の減速制御が乗員の嗜好に合わず乗員が違和感を感じる。

例えば、破線４１は減速開始時間が早すぎるため違和感が発生する車速パターンを示し、破線４２は減速開始時間が遅すぎるため違和感が発生する車速パターンを示し、破線４３は急減速により違和感が発生する車速パターンを示す。
実線４０は、違和感のない乗員の嗜好に合った車速パターンを示す。

コントローラ６は、複数回の減速シーンにおいて、減速中の走行状態の特徴をあらわす特徴量データとして、それぞれの減速シーンでの自車両の速度のデータを取得する。
また、コントローラ６は、それぞれの減速シーンにおいて、脳活動センサ５が計測した乗員の脳活動に基づいて乗員の違和感を発生したか否かを判定する。

そして、コントローラ６は、複数回の減速シーンの特徴量データのうち、違和感が発生したシーンの特徴量データを除いた、違和感が発生しないときの特徴量データのみを選択する。
コントローラ６は、このように選択した特徴量データのみに基づいて、減速シーンにおける車両の制御特性を決定する。

例えば、コントローラ６は、違和感が発生しないときの特徴量データのみの平均から、平均的な減速車速パターンを生成する。
図３Ｂを参照する。一点鎖線及び破線は、複数回の減速シーンにおけるそれぞれの車速パターンを示す。一点鎖線は、違和感が発生しないときの車速パターンを示し、破線は違和感が発生したときの車速パターンを示す。
コントローラ６は、一点鎖線の車速パターンの特徴量データのみの平均から、平均的な減速車速パターンを生成する。このように生成した減速車速パターンを実線で示す。

比較のため、図３Ｃの実線は、違和感が発生したパターンを含んだ全ての車速パターンを平均した車速パターンを示す。
図３Ｂに示す減速車速パターンは、違和感が発生しなかった走行状態の履歴のみから生成されるため、違和感が発生しなかった車速パターンに類似する。このため、減速車速パターンに従って車両を制御することにより、乗員の嗜好に合わせることができる。
一方で、図３Ｃの車速パターンでは、違和感が発生したパターンを含んで平均化することにより、違和感のない車速パターン（一点鎖線）からずれている。このため、乗員の嗜好に合わなくなる。

コントローラ６は、自動運転制御又は運転支援制御において自車両を減速させるときに、減速車速パターンに従ってブレーキ液圧アクチュエータを制御する。また、乗員による制動操作があった場合に、自車両の車速パターンが減速車速パターンに近づくように、ブレーキ液圧アクチュエータを制御する。

次に、図４を参照してコントローラ６の機能構成を説明する。コントローラ６は、走行制御部２０と、特徴量検出部２１と、違和感検出部２２と、制御特性設定部２３と、を備える。
走行制御部２０は、車両センサ３から出力される車両信号から、乗員により行われた運転操作を検出する。走行制御部２０は、乗員の運転操作に基づいて自車両の走行を制御する制御指令（制御信号）を生成し、走行制御アクチュエータ７へ出力する。

また、運転支援制御を実行する場合、走行制御部２０は、周囲環境センサ２から入力した周囲環境情報と、車両センサ３から入力した車両信号とに基づいて、自車両に走行させる走行軌道や、減速時や加速時の車速パターンを生成する。コントローラ６は、これら、生成された走行軌道や、車速パターンに従って自車両を走行させる制御指令（制御信号）を出力する。

自動運転制御を実行している場合、走行制御部２０は、周囲環境センサ２から入力した周囲環境情報と、車両センサ３から入力した車両信号とに基づいて、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両に走行させる走行軌道を生成する。コントローラ６は、生成した走行軌道を走行するように自車両の走行を制御する制御指令（制御信号）を出力する。

特徴量検出部２１は、車両センサ３から出力される車両信号などから、自車両の走行状態の変化を検出する。特徴量検出部２１は、走行状態が変化したタイミングを示すタイミング情報を、違和感検出部２２に出力する。例えば特徴量検出部２１は、タイミング情報として、乗員や運転支援制御、自動運転制御による運転操作の発生タイミング、運転操作による車両挙動の発生タイミング、車線変更などのイベント発生タイミングの情報を出力してよい。

また、特徴量検出部２１は、自車両の走行状態が変化したときに、走行状態の特徴を表す特徴量として自車両の速度を検出し、検出した速度を示す特徴量データを制御特性設定部２３へ出力する。なお、特徴量データが示す特徴量は、乗員が運転操作をした場合の走行状態の特徴量でもよく、自動運転制御又は運転支援制御の場合の走行状態の特徴量でもよい。
違和感検出部２２は、走行状態が変化したタイミングで、走行状態やその変化に対する乗員の違和感を検出する。

具体的には、例えば特徴量検出部２１が出力するタイミング情報に基づいて、走行状態やその変化に対する乗員の違和感の検出に用いる脳波を取得する期間を決定する。
例えば違和感検出部２２は、タイミング情報が示すタイミングの直後の脳波を、走行状態やその変化に対する乗員の違和感の検出に用いてよい。例えば、タイミング情報が示すタイミングから始まる所定時間（例えば５００ミリ秒）の測定期間Ｔ１の脳波を用いてよい。

違和感検出部２２は、測定期間Ｔ１に脳活動センサ５が計測した乗員の脳活動に基づいて乗員の違和感を検出する。
具体的には、測定期間Ｔ１の間に脳活動センサ５が計測した乗員の脳波のデータに対して周波数解析を行い、思考や認知の結果として現れる脳の反応を示す事象関連電位（ＥＲＰ）を検出することにより乗員の違和感の発生を検出する。

例えば、記憶装置１１等に乗員が違和感を覚えたときの脳波のパターンを予め記憶し、記憶された脳波のパターンと、脳活動センサ５により検出された脳波のパターンとの一致度から乗員の違和感の有無を判定してもよい。
違和感検出部２２は、例えば図５に示すように、測定時間Ｔ１の脳波信号からＮ個の特徴量ｐ１，ｐ２，…，ｐＮを抽出し、脳波の特徴ベクトルＰ＝（ｐ１，ｐ２，…，ｐＮ）を生成する。特徴量は、例えば一定間隔でサンプリングした値等を使用可能である。

図６Ａを参照する。生成した特徴ベクトルをＮ次元空間上にプロットすることにより、特徴空間マップ３０が得られる。ハッチングされた丸形のプロット点Ｐ１は、乗員が違和感を感じていないときの特徴ベクトルを示し、ハッチングされていない丸形のプロット点Ｐ２は、乗員が違和感を感じているときの特徴ベクトルを示す。

違和感を感じていないときの特徴ベクトルＰ１は、特徴空間内の一定の領域に集中する傾向がある。また、違和感を感じているときの特徴ベクトルＰ２も同様に一定の領域に集中する傾向がある。
図６Ａの例では、違和感を感じていないときの特徴ベクトルＰ１は、比較的左上の領域Ｄ１に集中しており、違和感を感じているときの特徴ベクトルＰ２は、比較的右下の領域Ｄ２に集中している。

このような違和感を感じていないときの特徴ベクトルＰ１及び違和感を感じているときの特徴ベクトルＰ２を特徴空間上にプロットして特徴空間マップ３０を作成することにより、特徴ベクトルＰ１が取り得る判別領域Ｄ１と、特徴ベクトルＰ２が取り得る判別領域Ｄ２を定義することができる。
違和感検出部２２は、乗員の現在の脳波の特徴ベクトルが判別領域Ｄ１内に存在すると判別した判別率Ｒｄ１と、判別領域Ｄ２内に存在すると判別した判別率Ｒｄ２とを算出する。

違和感検出部２２は、判別率Ｒｄ１が判別率Ｒｄ２よりも大きい場合に、乗員が違和感を感じていないと判定する。反対に判別率Ｒｄ２が判別率Ｒｄ１よりも大きい場合には、違和感検出部２２は、乗員が違和感を感じていると判定する。
また例えば、違和感検出部２２は、判別率の比（Ｒｄ２／Ｒｄ１）が所定の閾値以上である場合に、乗員が違和感を感じていると判定し、比（Ｒｄ２／Ｒｄ１）が所定の閾値未満である場合に乗員が違和感を感じていないと判定してもよい。
違和感検出部２２は、判別率の比（Ｒｄ２／Ｒｄ１）に基づいて乗員が感じている違和感の強度ｄを検出してもよい。例えば、違和感検出部２２は、比（Ｒｄ２／Ｒｄ１）が大きい程、強い違和感を検出してよい。

また、特徴空間マップ３０を作成することにより、特徴ベクトルＰ１が取り得る範囲と、特徴ベクトルＰ２が取り得る範囲を区分する判別平面３１を定義できる。判別平面３１は、例えば線形判別法を用いて定義することができる。
図６Ａの例では、乗員の現在の脳波の特徴ベクトルが判別平面３１よりも上に位置すれば、違和感検出部２２は、乗員が違和感を感じていないと判定し、判別平面３１よりも下に位置すれば、違和感検出部２２は、乗員が違和感を感じていると判定してよい。
違和感検出部２２は、特徴ベクトルＰ２と判別平面３１との距離に基づいて、違和感の強度ｄを検出してもよい。例えば、違和感検出部２２は、特徴ベクトルＰ２と判別平面３１との距離が大きい程、強い違和感を検出してよい。

図６Ｂを参照する。違和感検出部２２は、乗員の現在の脳波の特徴ベクトルＰと判別領域Ｄ１の重心Ｃ１との間の距離Ｄｃと、特徴ベクトルＰと判別領域Ｄ２の重心Ｃ２との間の距離Ｄｅを算出してもよい。違和感検出部２２は、距離比（Ｄｅ／Ｄｃ）が所定の閾値以上である場合に、乗員が違和感を感じていないと判定し、距離比（Ｄｅ／Ｄｃ）が所定の閾値未満である場合に乗員が違和感を感じていると判定してもよい。
違和感検出部２２は、距離比（Ｄｅ／Ｄｃ）に基づいて乗員が感じている違和感の強度を検出してもよい。例えば、違和感検出部２２は、距離比（Ｄｅ／Ｄｃ）が小さい程、強い違和感を検出してよい。
違和感検出部２２は、違和感の検出結果を制御特性設定部２３へ出力する。

制御特性設定部２３は、特徴量検出部２１が出力した特徴量データと、違和感検出部２２による違和感の検出結果に基づいて、自車両の制御特性として、減速シーンにおける速度パターンの目標値を決定する。
制御特性設定部２３は、学習用データ記憶部２４と、制御特性演算部２５を備える。

学習用データ記憶部２４は、特徴量検出部２１が出力した特徴量データのうち、乗員が違和感を感じなかった場合の特徴量データのみを選択する。学習用データ記憶部２４は、選択した特徴量データを、走行状態の学習用データとして蓄積する。例えば、学習用データ記憶部２４は、複数回の減速シーンの特徴量データのうち、違和感が発生しないときの特徴量データのみを記憶する。

制御特性演算部２５は、学習用データ記憶部２４が蓄積した特徴量データに基づいて、自車両の制御特性を決定する。例えば、減速シーンにおける速度パターンの目標値を決定する。
具体的には、例えば制御特性演算部２５は、違和感が発生しないときの速度パターン（図３Ｂの一点鎖線図示）のみの平均から、平均的な減速車速パターン（図３Ｂの実線図示）を生成する。実際には、減速開始速度に応じて制動距離が異なるので、制御特性演算部２５は、減速開始速度毎に平均的な減速車速パターンを生成してよい。

これにより、制御特性演算部２５は、乗員が違和感を感じなかった走行状態を学習する。すなわち、乗員が感じた違和感に応じて走行状態を学習する。
なお、学習用データ記憶部２４が、乗員が違和感を感じなかった場合と感じた場合との両方の特徴量データと違和感の検出結果と記憶してもよい。制御特性演算部２５が、乗員が違和感を感じなかった場合の特徴量データのみを選択して、選択した特徴量データに基づいて速度パターンの目標値を決定してもよい。
制御特性演算部２５は、生成した速度パターンの目標値を走行制御部２０へ出力する。

走行制御部２０は、自動運転制御又は運転支援制御において自車両を減速させるときに、制御特性演算部２５が生成した車速パターンに従ってブレーキ液圧アクチュエータを制御する。
また、走行制御部２０は、乗員による制動操作があった場合に、制御特性演算部２５が生成した車速パターンに実際の車速パターンが近づくように、ブレーキ液圧アクチュエータを制御する。

次に、図７を参照して第１実施形態の車両制御方法の一例について説明する。
ステップＳ１において脳活動センサ５は、乗員の脳波を計測する。
ステップＳ２において特徴量検出部２１は、自車両の走行状態が変化したときに、走行状態の特徴を表す特徴量を検出する。
ステップＳ３において違和感検出部２２は、走行状態の変化タイミングを示すタイミング情報を特徴量検出部２１が出力すると、その直後に走行状態に対して乗員の違和感が発生したか否かを判定する。

乗員の違和感が発生した場合（ステップＳ４：Ｙ）に処理はステップＳ５へ進む。乗員の違和感が発生しない場合（ステップＳ４：Ｎ）にステップＳ５をスキップして処理はステップＳ６へ進む。
ステップＳ５において学習用データ記憶部２４は、乗員が違和感を感じなかった場合の特徴量データのみを走行状態の学習用データとして蓄積（記憶）する。その後に処理はステップＳ６に進む。

ステップＳ６において制御特性演算部２５は、走行状態の学習が完了したか否かを判定する。例えば制御特性演算部２５は、所定の複数回数の減速シーンにおいてそれぞれステップＳ１～Ｓ５を実行した場合に、走行状態の学習が完了したと判定する。学習が完了した場合（ステップＳ６：Ｙ）に処理はステップＳ７へ進む。まだ学習が完了していない場合（ステップＳ６：Ｎ）に処理はステップＳ１へ戻る。
ステップＳ７において制御特性演算部２５は、学習用データ記憶部２４が蓄積した特徴量データに基づいて自車両の制御特性を決定する。その後に処理は終了する。

次に、第１実施形態の変形例を説明する。
（第１変形例）
運転支援制御や自動運転制御では、予め定められた減速用制御パターンに従って減速制御を行う。
第１変形例では、乗員の違和感が発生しない走行状態を学習するために、運転支援制御や自動運転制御において複数の異なる学習用制御パターンを生成して、それぞれの制御パターンによる走行状態を乗員に体験させる。
制御特性演算部２５は、それぞれの走行状態の特徴量データのうち、乗員の違和感が発生しない場合の特徴量データのみに基づいて、自車両の制御特性を決定する。

図８を参照する。第１変形例のコントローラ６は、図４に示す第１実施形態のコントローラ６と同様の機能構成を有しており、同じ参照符号は同様の構成要素を示している。
第１変形例の制御特性設定部２３は、制御パターン発生部２６を備える。
制御パターン発生部２６は、乗員の違和感が発生しない走行状態を制御特性設定部２３が学習する際に、運転支援制御や自動運転制御に使用される複数の異なる学習用制御パターンを生成する。

例えば制御パターン発生部２６は、図９に示す複数の異なる減速用速度パターン４４ａ～４４ｆを、学習用制御パターンとして生成する。
図８を参照する。走行制御部２０が運転支援制御や自動運転制御において学習用制御パターン４４ａ～４４ｆに従って自車両をそれぞれ制御すると、違和感検出部２２は、そのときの走行状態のそれぞれに対する乗員の違和感を検出する。

制御特性演算部２５は、乗員の違和感が発生しなかった学習用制御パターンのみに基づいて、自車両の加減速制御の制御パターンを決定する。例えば、減速時の速度パターンの目標値を決定する。
例えば、学習用制御パターンで制御したときに取得した特徴量データのうち、乗員の違和感が発生しなかった場合の特徴量データのみを蓄積し、蓄積した特徴量データに基づいて自車両の制御パターンを決定する。例えば、乗員の違和感が発生しなかった場合の制御パターンの平均から、制御パターンを決定してよい。

または、制御特性演算部２５は、乗員の違和感が発生しなかった学習用制御パターンのみを蓄積して、蓄積した学習用制御パターンに基づいて自車両の制御パターンを決定してもよい。
例えば、乗員の違和感が発生しなかった学習用制御パターンの平均から自車両の制御パターンを決定してもよい。

次に、図１０を参照して第１変形例の車両制御方法の一例について説明する。
ステップＳ１０において制御パターン発生部２６は、学習用制御パターンのいずれかを生成する。
ステップＳ１１において走行制御部２０は、運転支援制御や自動運転制御において、学習用制御パターンに従って減速制御を開始する。

ステップＳ１２～Ｓ１６の動作は、図７のステップＳ１～Ｓ５の動作と同様である。
ステップＳ１７にて制御特性演算部２５は、走行状態の学習が完了したか否かを判定する。学習が完了していない場合（ステップＳ１７：Ｎ）に処理はステップＳ１８へ進む。
ステップＳ１８において制御パターン発生部２６は、学習用制御パターンを変更する。その後に処理はステップＳ１１へ戻る。これにより、学習用制御パターンを変更しながらステップＳ１１～Ｓ１８が繰り返される。
学習が完了した場合（ステップＳ１７：Ｙ）に処理はステップＳ１９へ進む。ステップＳ１９の処理は図７のステップＳ７と同様である。その後に処理は終了する。

（第２変形例）
第１実施形態及び第１変形例は、減速シーンにおける車両の制御特性を決定したが、本発明はこれに限定されるものではない。例えば、車間維持シーンや発進シーンなどにおいて自車両を加速させる場合においても、第１実施形態や第１変形例を自車両の加速特性の決定に適用できる。

（第１実施形態の効果）
（１）脳活動センサ５は、乗員の脳活動を計測する。違和感検出部２２は、自車両の走行状態に対する乗員の違和感を脳活動に基づいて検出する。制御特性設定部２３は、走行状態に対する違和感の検出結果と、走行状態と、に基づいて車両の制御特性を決定する。
これにより、乗員の違和感の評価に基づいて、走行状態に対する乗員の嗜好を適切に判定することができ、乗員の嗜好に合わせた車両の制御特性を決定することができる。

（２）違和感検出部２２は、乗員の違和感の有無、すなわち違和感の大きさを推定する。制御特性設定部２３は、違和感の有無に応じて制御特性を決定する。これにより、乗員の違和感の有無、すなわち違和感の大きさに応じて、乗員の嗜好性に合わせた制御特性を決定できる。
（３）制御特性演算部２５は、違和感の大きさに応じて走行状態を学習することにより制御特性を決定する。これにより、違和感の有無、すなわち違和感の大きさに応じて、違和感の小さい制御特性を選ぶことができる。

（４）学習用データ記憶部２４又は制御特性演算部２５は、違和感が検出されない走行状態を選択する。制御特性演算部２５は、選択された走行状態に基づいて制御特性を決定する。例えば、制御特性演算部２５は、選択された走行状態の平均に応じて制御特性を決定する。
これにより、違和感のある場合の走行状態を除外できるので、乗員の嗜好に合わない走行状態を除いて制御特性を決定し、学習精度を向上することができる。
（５）制御特性演算部２５は、制御特性として、車両の自動運転の目標値、例えば加減速の速度パターンの目標値を決定する。これにより自動運転における車両制御に乗員の違和感情報をフィードバックできるので、乗員の嗜好に合った自動運転が可能になる。

（第２実施形態）
次に、第２実施形態の車両制御装置１を説明する。第２実施形態では、操舵を伴うシーンにおける車両の制御特性を決定する。
操舵を伴うシーンにおいて乗員が違和感を覚える走行状態には、例えば、乗員による操舵操作に応答する車両の旋回挙動、すなわち、操舵操作に対する応答特性が考えられる。
例えば、乗員による操舵操作に対する車両の旋回挙動が急峻であったり緩慢である場合に、自車両の操舵応答特性が乗員の嗜好に合わず乗員が違和感を感じる。

そこで、第２実施形態の車両制御装置１は、操舵を伴うシーンにおける乗員の脳活動に基づいて車両の旋回挙動に対する乗員の違和感を検出し、乗員の違和感の検出結果に基づいて自車両の操舵応答特性を決定する。すなわち第２実施形態の車両制御装置１は、自車両の制御特性として操舵応答特性を決定する。
図１１を参照する。第２実施形態のコントローラ６は、図４に示す第１実施形態のコントローラ６と同様の機能構成を有しており、同じ参照符号は同様の構成要素を示す。

第２実施形態のコントローラ６は、車両の走行特性に対する乗員の嗜好性を判定する嗜好性判定部２７を備える。
例えば嗜好性判定部２７は、車両センサ３から出力される車両信号から、乗員によるステアリングホイールの操舵時に加えられた操舵トルクを取得する。嗜好性判定部２７は、操舵トルクに応じて走行特性に対する乗員の嗜好性を判定する。

例えば、操舵トルクが所定の閾値よりも大きい場合には、乗員は、スポーティな走行（すなわち機動性の高い走行）を好むと判定する。反対に操舵トルクが所定の閾値である以下の場合には、乗員は緩慢な走行を好むと判定する。
嗜好性判定部２７は、乗員の嗜好性の判定結果を制御特性設定部２３に出力する。

特徴量検出部２１は、乗員が操舵を行い自車両の走行状態が変化した直後に、走行状態の特徴を表す特徴量として、車両センサ３から出力される操舵角を検出する。特徴量検出部２１は、検出した操舵角を示す特徴量データを制御特性設定部２３へ出力する。
さらに、違和感検出部２２は、自車両の走行状態が変化したときの乗員の違和感の検出結果として、違和感の強度ｄを制御特性設定部２３に出力する。

第２実施形態の走行制御部２０は、入力操舵角ｘに応じて操向輪を制御する際の操向輪の目標転舵角Ｙを次式（１）に基づいて設定する。
Ｙ＝α×Ｆ（ｘ）＋β …（１）
Ｆ（ｘ）は、運転操作の操作量ｘを変数とする所与の応答関数であり、βは定数である。

制御特性演算部２５は、違和感の強度ｄに応じて係数αを図１２Ａ及び図１２Ｂに示すように設定する。
乗員がスポーティな走行を好む場合には、図１２Ａに示すように違和感が強いほど係数α増加させて操舵応答性をより高める。例えば、関数Ｇ（ｄ）を単調増加関数としたときにα＝Ｇ（ｄ）により定めてよい。例えば単調増加関数Ｇ（ｄ）は、Ｇ（ｄ）＝ａ×ｄ（但しａ＞０）により定めてよい。
乗員が緩慢な走行を好む場合には、図１２Ｂに示すように違和感が強いほど係数αを低減し、操舵応答性をより下げる。例えば、α＝－Ｇ（ｄ）により定めてよい。

このように、乗員が旋回挙動に違和感を感じる場合には、スポーティな走行を好む乗員に対しては応答性の高いスポーティな車両特性を提供し、緩慢な走行を好む乗員に対しては緩慢な車両特性を提供することで、乗員の嗜好性に応じた制御を行うことができる。
また、違和感の強度ｄに応じて応答特性の変更量を定めることで、適切な変更量で応答特性を変更することができる。

図１３を参照して、第２実施形態の車両制御方法の一例について説明する。
ステップＳ２０～Ｓ２２の動作は、図７のステップＳ１～Ｓ３の動作と同様である。
ステップＳ２３において嗜好性判定部２７は、乗員の嗜好性を判定する。
ステップＳ２４において違和感検出部２２は、走行状態の変化タイミングを示すタイミング情報を特徴量検出部２１が出力すると、その直後に走行状態に対して乗員の違和感が発生したか否かを判定する。

乗員の違和感が発生しない場合（ステップＳ２４：Ｎ）に制御特性演算部２５は、操舵応答特性を変更せずに処理を終了する。乗員の違和感が発生した場合（ステップＳ２４：Ｙ）に処理はステップＳ２５へ進む。
ステップＳ２５において、制御特性演算部２５は乗員がスポーティな走行を好むか否かを判定する。乗員がスポーティな走行を好む場合（ステップＳ２５：Ｙ）に処理はステップＳ２６に進む。乗員が緩慢な走行を好む場合（ステップＳ２５：Ｎ）に処理はステップＳ２７に進む。

ステップＳ２６において制御特性演算部２５は、図１２Ａに示すように違和感が強いほど係数α増加させて操舵応答性をより高める。その後に処理は終了する。
ステップＳ２７において制御特性演算部２５は、図１２Ｂに示すように違和感が強いほど係数α増加させて操舵応答性をより高める。その後に処理は終了する。

次に、第２実施形態の変形例を説明する。
（第１変形例）
第１変形例の制御特性設定部２３は、合流シーンや車線変更シーンのような操舵や加速を伴う走行シーンにおいて、乗員に発生した違和感に応じて操舵応答特性と加速応答特性を決定する。すなわち、第１変形例の制御特性設定部２３は、自車両の制御特性として操舵応答特性と加速応答特性とを決定する。

具体的には、例えば第１変形例のコントローラ６は、図４に示す第１実施形態のコントローラ６と同様の機能構成を有する。
特徴量検出部２１は、合流シーンや車線変更シーンで操舵操作と加速操作を行った直後に、車両センサ３から出力される車両信号などから、走行状態の特徴を表す特徴量として操舵角θｓ、アクセル操作量ｐｅｄａｌ、操向輪の転舵角θｔ及びスロットル開度ＡＰＯを検出する。

特徴量検出部２１は、操舵角θｓと転舵角θｔから操舵応答係数αを算出し、アクセル操作量ｐｅｄａｌとスロットル開度ＡＰＯからアクセル応答係数βを算出する。
特徴量検出部２１は、操舵角θｓと、操舵応答係数αと、アクセル操作量ｐｅｄａｌと、アクセル応答係数βを特徴量データとして制御特性設定部２３へ出力する。
また、違和感検出部２２は、乗員の違和感の検出結果として、違和感の強度ｄを制御特性設定部２３に出力する。

学習用データ記憶部２４は、操舵角θｓと、操舵応答係数αと、アクセル操作量ｐｅｄａｌと、アクセル応答係数βと、違和感の強度ｄを、操舵応答特性と加速応答特性の学習用データとして蓄積する。
制御特性演算部２５は、学習用データ記憶部２４が蓄積した、操舵角θｓと、操舵応答係数αと、アクセル操作量ｐｅｄａｌと、アクセル応答係数βと、違和感の強度ｄに基づいて、違和感の強度ｄが最小となる操舵応答係数α及びアクセル応答係数βを機械学習する。

例えば、操舵角θｓと、操舵応答係数αと、アクセル操作量ｐｅｄａｌと、アクセル応答係数βと、違和感の強度ｄとの関係を表す式（α，β，ｄ）＝Ｆ（θ，ｐｅｄａｌ）を定義する。例えば次式（２）を定義する。
ｄ＋ξ１×α＋ξ２×β＝ξ３×θ＋ξ４×ｐｅｄａｌ＋ｃ …（２）
そして、学習用データ記憶部２４が蓄積した学習用データを用いて、例えば重回帰分析により学習することにより、違和感の強度ｄが最小となる係数ベクトル（ξ１，ξ２，ξ３，ξ４）及び定数ｃを決定する。

制御特性演算部２５は、学習した係数ベクトル（ξ１，ξ２，ξ３，ξ４）及び定数ｃを次式（３）に代入し、操舵角θｓ及びアクセル操作量ｐｅｄａｌに対する操舵応答係数α及びアクセル応答係数βの計算式を作成する。
ξ１×α＋ξ２×β＝ξ３×θ＋ξ４×ｐｅｄａｌ＋ｃ …（３）
制御特性演算部２５は、計算式（３）に基づいて、合流、車線変更時において乗員が入力した操舵角θｓ及びアクセル操作量ｐｅｄａｌに対する、操舵応答係数α及びアクセル応答係数βを算出することにより、操舵応答特性と加速応答特性を設定する。

例えば、操舵角θｓ及びアクセル操作量ｐｅｄａｌを代入し、アクセル応答係数βを所与の値とすることにより、操舵応答係数αを算出してよい。また例えば、操舵応答係数αを所与の値としてアクセル応答係数βを算出してもよい。また、操舵角θｓ及びアクセル操作量ｐｅｄａｌを代入して計算式（３）の右辺の値Ｃを求め、ξ１×α＋ξ２×β＝Ｃを満たす係数の組み合わせ（α,β）の何れかを適宜選択してもよい。

制御特性演算部２５は、算出した操舵応答係数α及びアクセル応答係数βを走行制御部２０に出力する。
走行制御部２０は、合流シーンや車線変更シーンにおいて入力される操舵角θｓと操舵応答係数αとを乗じて目標転舵角を決定し、ステアリングアクチュエータを制御する。また、アクセル操作量ｐｅｄａｌとアクセル応答係数βとを乗じて目標スロットル開度を決定し、アクセルアクチュエータを制御する。

（第２変形例）
上記の第１実施形態では、減速シーンでの速度データを特徴量データとして用いて、減速シーンにおける速度パターンの目標値を決定した。
これと同様に、第２変形例のコントローラ６は、操舵を伴う走行シーンでの操舵角データを特徴量データとして用いて操舵角パターンの目標値を決定する。
具体的には、例えば第１変形例のコントローラ６は、図４に示す第１実施形態のコントローラ６と同様の機能構成を有する。

特徴量検出部２１は、操舵操作により自車両の走行状態が変化したときに、走行状態の特徴を表す特徴量として自車両の操舵角を検出し、検出した操舵角を示す特徴量データを制御特性設定部２３へ出力する。なお、特徴量データが示す特徴量は、乗員が運転操作をした場合の走行状態の特徴量でもよく、自動運転制御又は運転支援制御の場合の走行状態の特徴量でもよい。

学習用データ記憶部２４は、特徴量検出部２１が出力した操舵角データのうち、乗員が違和感を感じなかった場合の操舵角データのみを走行状態の学習用データとして蓄積する。例えば、学習用データ記憶部２４は、複数回の減速シーンの操舵角データのうち、違和感が発生しないときの操舵角データのみを記憶する。
制御特性演算部２５は、学習用データ記憶部２４が蓄積した操舵角データに基づいて、操舵を伴うシーンにおける操舵角パターンの目標値を決定する。

図１４を参照する。破線は違和感が発生したときの操舵角パターンを示し、一点鎖線は違和感が発生しないときの操舵角パターンを示す。
例えば制御特性演算部２５は、違和感が発生しないときの操舵角パターンのみの平均から、実線図示の平均的な操舵角パターンを生成する。
なお、学習用データ記憶部２４が、乗員が違和感を感じなかった場合と感じた場合との両方の操舵角データと違和感の検出結果と記憶してもよい。制御特性演算部２５が、乗員が違和感を感じなかった場合の操舵角データのみを選択して、操舵角パターンの目標値を決定してもよい。

制御特性演算部２５は、生成した操舵角パターンの目標値を、走行制御部２０へ出力する。
走行制御部２０は、自動運転制御又は運転支援制御において自車両を旋回させるときに、制御特性演算部２５が生成した操舵角パターンに従ってステアリングアクチュエータを制御する。
また、走行制御部２０は、乗員による操舵操作があった場合に、制御特性演算部２５が生成した操舵角パターンに実際の操舵角パターンが近づくように、ステアリングアクチュエータを制御する。

（第３変形例）
第３変形例のコントローラ６は、第１実施形態の第１変形例のコントローラ６と同様に複数の異なる学習用制御パターンを生成する。
具体的には、例えば第３変形例のコントローラ６は、図８に示す第１実施形態の第１変形例のコントローラ６と同様の機能構成を有する。
制御パターン発生部２６は、乗員の違和感が発生しない走行状態を制御特性設定部２３が学習する際に、運転支援制御や自動運転制御に使用される複数の異なる操舵パターンを、学習用制御パターンとして生成する。

制御パターン発生部２６が生成した複数の異なる操舵パターンに従って自車両を制御すると、違和感検出部２２は、そのときの走行状態に対する乗員の違和感を検出する。
制御特性演算部２５は、乗員の違和感が発生しなかった操舵パターンのみに基づいて、自車両の操舵パターンの目標値を決定する。操舵パターンの目標値の決定方法は、第１実施形態の第１変形例による速度パターンの目標値の決定方法と同様である。
（第４変形例）
第２実施形態では、自車両の制御特性として操舵応答特性を決定したが、同様に加速応答特性や減速応答特性を決定してもよい。

（第２実施形態の効果）
（１）脳活動センサ５は、乗員の脳活動を計測する。違和感検出部２２は、自車両の走行状態に対する乗員の違和感を脳活動に基づいて検出する。制御特性設定部２３は、走行状態に対する違和感の検出結果と、走行状態と、に基づいて車両の応答特性を決定する。
これにより、乗員の違和感の評価に合わせて乗員の嗜好性を学習し、車両の制御特性を決定することができる。

（２）違和感検出部２２は、乗員の違和感の有無、すなわち違和感の大きさを推定する。制御特性設定部２３は、違和感の有無に応じて応答特性を決定する。これにより、乗員の違和感の有無、すなわち違和感の大きさに応じて、乗員の嗜好性に合わせた応答特性を決定できる。

（３）違和感検出部２２は、車両の走行状態として操舵に対する乗員の違和感を検出する。制御特性設定部２３は、自車両の制御特性として、自車両の自動操舵の目標値を決定する。これにより、操舵変化に応じた乗員の違和感に応じて、違和感が低減されるように操舵特性を決めることができるので、乗員の嗜好に合った操舵特性を提供できる。

（第３実施形態）
次に、第３実施形態の車両制御装置１を説明する。車両の制御特性に対する乗員の嗜好は、乗員の運転技量に影響されることがある。例えば、運転技量の高い乗員は、操作に対する車両挙動の応答が早い制御特性を好む傾向があり、反対に運転技量の低い乗員は、応答性が高いとかえって運転しにくく感じ、むしろ緩慢な制御特性を好む傾向がある。
そこで第３実施形態の車両制御装置１は、乗員の違和感に加えて、乗員の運転技量に応じて自車両の制御特性を決定する。

図１５を参照する。第３実施形態のコントローラ６は、図４に示す第１実施形態のコントローラ６と同様の機能構成を有しており、同じ参照符号は同様の構成要素を示している。コントローラ６は、運転技量評価部２８を備える。
運転技量評価部２８は、乗員の運転技量を評価する。具体的には、例えば運転技量評価部２８は、周囲環境センサ２から出力される周囲環境情報と、車両センサ３から出力される車両信号とに基づいて、特定の運転シーンにおける自車両の操作態様の基準となる運転モデルを決定する。

運転モデルは、例えば、特定の運転シーンにおける走行速度や加速度、進行角度、旋回速度といった自車両の車両挙動や、アクセルペダルやブレーキペダル、ステアリングの操作モデルや操作タイミングを含んでよい。例えば運転モデルは、カーブ路のような特定の運転シーンを走行する際の操舵角や操舵速度を表す操舵プロファイルや、ヨーレートや旋回速度などの車両挙動プロファイルを含んでよい。

例えば運転モデルは、緊急制動時のような運転シーンにおけるブレーキ操作量や、操作速度、車両の減速度を表す減速プロファイルを含んでよい。例えば、運転モデルは、特定の運転シーンにおけるアクセル操作量や、操作速度、車両の加速度を表す加速プロファイルを含んでよい。
運転技量評価部２８は、車両センサ３から出力される車両信号に基づいて現実の車両状態を判定し、現実の車両状態と運転モデルの差に基づいて乗員の運転技量を評価する。運転技量評価部２８は、運転技量の評価結果を制御特性設定部２３へ出力する。

特徴量検出部２１は、操舵操作により自車両の走行状態が変化したときに、走行状態の特徴を表す特徴量として自車両の操舵角を検出し、検出した操舵角を示す特徴量データを制御特性設定部２３へ出力する。
例えば、特徴量検出部２１は、車線変更シーンにおいて切り増し操作を行う第１操舵と切り戻しを行う第２操舵が発生したときに、第１操舵の際の操舵角データを特徴量テータして出力する。

第１操舵の操舵角データを使用するのは、第２操舵では第１操舵の修正操舵を含むために外乱が多く、乗員の嗜好に合った操舵パターンになるとは限らないためである。
また、特徴量検出部２１は、第１操舵のタイミングを示すタイミング情報を、違和感検出部２２に出力する。違和感検出部２２は第１操舵における乗員の違和感を検出し、検出結果を制御特性設定部２３へ出力する。

学習用データ記憶部２４は、特徴量検出部２１が出力した操舵角データのうち、乗員が違和感を感じなかった場合の特徴量データのみを選択して、走行状態の学習用データとして蓄積する。
学習用データ記憶部２４が、乗員が違和感を感じなかった場合と感じた場合との両方の操舵角データと違和感の検出結果と蓄積し、制御特性演算部２５が、乗員が違和感を感じなかった場合の操舵角データのみを選択してもよい。

制御特性演算部２５は、運転技量評価部２８が評価した乗員の運転技量が高いか否かを判定する。乗員の運転技量が所定レベル以上である場合に、乗員の運転技量が高いと判定し、乗員の運転技量が所定レベルより低い場合に、乗員の運転技量が低いと判定する。
制御特性演算部２５は、学習用データ記憶部２４が蓄積した乗員が違和感を感じなかった場合の操舵角データと、乗員の運転技量と、に基づいて操舵応答特性を変更する。

例えば、制御特性演算部２５は、乗員の運転技量が高い場合に操舵応答特性を高める第１操舵角補正値θｃ１を算出して走行制御部２０に出力する。また、制御特性演算部２５は、乗員の運転技量が高い場合に操舵応答特性を下げる第２操舵角補正値θｃ２を算出して走行制御部２０に出力する。
走行制御部２０は、制御特性演算部２５から出力される第１操舵角補正値θｃ１又は第２操舵角補正値θｃ２を、乗員から入力された操舵角θｓに加えて目標操舵角を決定することにより操舵応答特性を変更する。

例えば、制御特性演算部２５は、以下のようにして操舵角データに基づいて第１操舵角補正値θｃ１又は第２操舵角補正値θｃ２を算出する。
図１６を参照する。制御特性演算部２５は、乗員が違和感を感じなかった場合の操舵角パターンのみを平均した平均パターン５０を生成する。例えば、制御特性演算部２５は、各操舵角パターンの操舵時間の長さＴ２を正規化し、各時刻ｔ（ｉ）における操舵角の平均値θａ（ｉ）を求めて平均パターン５０を生成する（ｉ＝１、２、…）。実際には、操舵終了時の操舵角θｍが状況に応じて異なるので、第１操舵終了時の操舵角θｍ毎に平均パターン５０を生成してよい。
また、制御特性演算部２５は、各時刻ｔ（ｉ）における操舵角の分散（標準偏差）σ（ｉ）を算出する。

制御特性演算部２５は、各時刻ｔ（ｉ）の分散σ（ｉ）に所定の係数Ｎを乗じた積Ｎσ（ｉ）を、入力操舵角θｓがそれぞれ操舵角θａ（ｉ）であるときの第１操舵角補正値θｃ１として走行制御部２０に出力する。
これにより、乗員の運転技量が高い場合の操舵パターンは一点鎖線５１に示すように補正され、操舵応答特性が上がる。

一方で、制御特性演算部２５は、－Ｎσ（ｉ）を、入力操舵角θｓがそれぞれ操舵角θａ（ｉ）であるときの第２操舵角補正値θｃ２として走行制御部２０に出力する。
これにより、乗員の運転技量が低い場合の操舵パターンは破線５２に示すように補正され、操舵応答特性が下がる。
このように、操舵パターンの分散σ（ｉ）に応じて第１操舵角補正値θｃ１及び第２操舵角補正値θｃ２を決定することにより、乗員の操舵操作のばらつきの範囲内で違和感なく操舵応答特性を変更することができる。

なお、以上の説明では、車両の制御特性として操舵応答性を決定する例について説明したが、特徴量データを速度データとすることにより加速応答性や減速応答性を決定することもできる。また、第３実施形態を運転支援制御や自動運転制御の入力操作量（例えば入力操舵角θｓ）の補正に適用することにより、車両の制御特性として自車両の自動運転の目標値を決定することも出できる。

次に、図１７を参照して第３実施形態の車両制御方法の一例について説明する。
ステップＳ３０において運転技量評価部２８は、周囲環境センサ２から出力される周囲環境情報と、車両センサ３から出力される車両信号とに基づいて乗員の運転技量を評価する。
ステップＳ３１～Ｓ３６の動作は、図７のステップＳ１～Ｓ６と同様である。

ステップＳ３７において制御特性演算部２５は、乗員の運転技量が高いか否かを判定する。乗員の運転技量が高い場合（ステップＳ３７：Ｙ）に処理はステップＳ３８へ進む。乗員の運転技量が低い場合（ステップＳ３７：Ｎ）に処理はステップＳ３９へ進む・
ステップＳ３８において制御特性演算部２５は、応答特性を高める第１操舵角補正値θｃ１＝Ｎσ（ｉ）を算出する。その後に処理は終了する。
ステップＳ３８において制御特性演算部２５は、応答特性を下げる第２操舵角補正値θｃ２＝－Ｎσ（ｉ）を算出する。その後に処理は終了する。

（第３実施形態の効果）
運転技量評価部２８は、乗員の運転技量を評価する。制御特性設定部２３は、走行状態に対する違和感の検出結果と、走行状態と、運転技量と、に基づいて自車両の制御特性を決定する。
これにより乗員の嗜好と運転技量の評価に基づいて車両の制御特性を決定することができる。

１…車両制御装置、２…周囲環境センサ、３…車両センサ、４…ナビゲーションシステム、５…脳活動センサ、６…コントローラ、７…走行制御アクチュエータ、１０…プロセッサ、１１…記憶装置、２０…走行制御部、２１…特徴量検出部、２２…違和感検出部、２３…制御特性設定部、２４…学習用データ記憶部、２５…制御特性演算部、２６…制御パターン発生部、２７…嗜好性判定部、２８…運転技量評価部

Claims (9)

1. 乗員の脳活動をセンサが計測し、
   車両の走行状態に対する前記乗員の違和感を前記脳活動に基づいて検出する処理と、前記違和感が検出されない前記走行状態を蓄積する処理と、蓄積した前記走行状態に基づいて前記車両の制御特性を決定する処理と、をコントローラが実行する、
   ことを特徴とする車両制御方法。
2. 前記コントローラは、
   前記違和感の大きさを推定し、
   前記違和感の大きさに応じて前記制御特性を決定する、
   ことを特徴とする請求項１に記載の車両制御方法。
3. 前記コントローラは、前記違和感の大きさに応じて前記走行状態を学習することにより前記制御特性を決定することを特徴とする請求項２に記載の車両制御方法。
4. 前記コントローラは、前記蓄積した走行状態の平均に応じて前記制御特性を決定す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制御方法。
5. 前記コントローラは、前記制御特性として、前記車両の運転操作に対する前記車両の応答特性を決定することを特徴とする請求項１～４のいずれか一項に記載の車両制御方法。
6. 前記コントローラは、前記制御特性として、前記車両の自動運転の目標値を決定することを特徴とする請求項１～４のいずれか一項に記載の車両制御方法。
7. 前記コントローラは、
   前記車両の走行状態に対する違和感として、操舵に対する前記乗員の違和感を検出し、
   前記制御特性として、前記車両の自動操舵の目標値を決定する、
   ことを特徴とする請求項６に記載の車両制御方法。
8. 前記コントローラは、
   前記乗員の運転技量を評価し、
   前記違和感の検出結果と、前記走行状態と、前記運転技量と、に基づいて前記制御特性を決定する、
   を備えることを特徴とする請求項１～７のいずれか一項に記載の車両制御方法。
9. 乗員の脳活動を計測するセンサと、
   車両の走行状態に対する前記乗員の違和感を前記脳活動に基づいて検出し、前記違和感が検出されない前記走行状態を蓄積し、蓄積した前記走行状態に基づいて前記車両の制御特性を決定するコントローラと、
   を備えることを特徴とする車両制御装置。

Images