JP7247993B2 - 走行試験パタン作成装置および方法 - Google Patents

Description

本開示は、走行試験パタンを作成する走行試験パタン作成装置および方法に関する。

非特許文献１には、評価目的に対して影響を与える主要因子を特定し、主要因子をパラメタとした統計処理に基づいて代表性のあるショートトリップを抽出し、再合成することにより走行試験モードを作成することが記載されている。ショートトリップとは、車両が発進してから停止するまでの走行状態の一つの区間である。

山本敏朗、野田明、米川誠、上原円香、小川恭弘、「シャシ台上試験で用いる代表走行試験モードの作成方法」、交通安全環境研究所報告 第８号、独立行政法人交通安全環境研究所、平成１７年１２月

しかし、非特許文献１に記載の技術では、走行パタンの最小単位が、発進から停止までと粗く、代表走行試験モードの信頼性に懸念がある。
本開示は、走行試験パタンの信頼性を向上させることを目的とする。

本開示の一態様は、分節部（Ｓ３０）と、運転単位定義部（Ｓ４０，Ｓ５０）と、配列情報生成部（Ｓ６０）と、配列部（Ｓ７０）とを備える走行試験パタン作成装置（３）である。

分節部は、複数の運転挙動データのそれぞれについて、運転挙動データの時系列を、予め設定された複数の記号分節を表す複数の部分系列毎に分節するように構成される。複数の運転挙動データは、車両毎に車両の挙動およびドライバの運転操作のうち少なくとも一方を表す。

運転単位定義部は、分節部により分節された複数の部分系列のそれぞれを分節として、複数の分節を複数の分節クラスに分類し、複数の分節クラスのそれぞれについて、分節クラスの特徴を代表する分節を運転単位として定義するように構成される。

配列情報生成部は、分節部により分節化された複数の運転挙動データに基づいて、運転挙動データにおける分節の配列に関する分節配列情報を生成するように構成される。
配列部は、配列情報生成部により生成された分節配列情報に基づいて、複数の運転単位を配列することによって走行試験パタンを作成するように構成される。

このように構成された本開示の走行試験パタン作成装置は、記号分節を最小単位とする運転単位を配列することにより走行試験パタンを作成する。記号分節の時間は、車両が発進してから停止するまでの時間より十分短い。このため、本開示の走行試験パタン作成装置は、時間が短い複数の運転単位を組み合わせることによって、実走行で得られる運転挙動データに類似する（すなわち、実走行を反映した）走行試験パタンを作成することができ、走行試験パタンの信頼性を向上させることができる。

本開示の別の一態様は、分節手順（Ｓ３０）と、運転単位定義手順（Ｓ４０，Ｓ５０）と、配列情報生成手順（Ｓ６０）と、配列手順（Ｓ７０）とを備える走行試験パタン作成方法である。

分節手順は、複数の運転挙動データのそれぞれについて、運転挙動データの時系列を、予め設定された複数の記号分節を表す複数の部分系列毎に分節する。
運転単位定義手順は、分節手順により分節された複数の部分系列のそれぞれを分節として、複数の分節を複数の分節クラスに分類し、複数の分節クラスのそれぞれについて、分節クラスの特徴を代表する分節を運転単位として定義する。

配列情報生成手順は、分節手順により分節化された複数の運転挙動データに基づいて、運転挙動データにおける分節の配列に関する分節配列情報を生成する。
配列手順は、配列情報生成手順により生成された分節配列情報に基づいて、複数の運転単位を配列することによって走行試験パタンを作成する。

このように構成された本開示の走行試験パタン作成方法は、本開示の走行試験パタン作成装置にて実行される方法であり、当該方法を実行することで、本開示の走行試験パタン作成装置と同様の効果を得ることができる。

走行試験パタン作成システムの構成を示すブロック図である。 車載装置の構成を示すブロック図である。 走行試験パタン作成装置の構成を示すブロック図である。 試験パタン作成を示すフローチャートである。 記号化の概要を示す図である。 トピック分布の演算過程を示す説明図である。 運転挙動データの分節化を示す図である。 分節のクラスタリングを示す図である。 分節クラス毎の頻度を示す図である。 運転単位の定義方法を示す図である。 運転単位への置換と遷移マップとを示す図である。 結合単位の挿入位置を示す図である。 結合単位による結合方法を示す図である。 目標値の設定方法を示す図である。 目標値の頻度分布を示すヒストグラムである。 目標値の頻度分布を示す三次元ヒストグラムである。

以下に本開示の実施形態を図面とともに説明する。
［１．全体構成］
本実施形態の走行試験パタン作成システム１は、図１に示すように、複数の車載装置２と、走行試験パタン作成装置３とを備える。

車載装置２は、車両に搭載され、広域無線通信網ＮＷを介して走行試験パタン作成装置３とデータ通信を行う機能を有する。
走行試験パタン作成装置３は、広域無線通信網ＮＷを介して車載装置２から取得したデータに基づいて、後述する走行試験パタンを作成する機能を有する。

車載装置２は、図２に示すように、制御部１１と、ＣＡＮ通信部１２と、記憶部１３と、通信部１４とを備える。ＣＡＮは、Controller Area Networkの略である。ＣＡＮは登録商標である。

制御部１１は、ＣＰＵ２１、ＲＯＭ２２およびＲＡＭ２３等を備えたマイクロコンピュータを中心に構成された電子制御装置である。マイクロコンピュータの各種機能は、ＣＰＵ２１が非遷移的実体的記録媒体に格納されたプログラムを実行することにより実現される。この例では、ＲＯＭ２２が、プログラムを格納した非遷移的実体的記録媒体に該当する。また、このプログラムの実行により、プログラムに対応する方法が実行される。なお、ＣＰＵ２１が実行する機能の一部または全部を、一つあるいは複数のＩＣ等によりハードウェア的に構成してもよい。また、制御部１１を構成するマイクロコンピュータの数は１つでも複数でもよい。

ＣＡＮ通信部１２は、通信線を介して複数のＥＣＵとの間でデータ通信可能に接続されており、ＣＡＮ通信プロトコルに従ってデータの送受信を行う。ＣＡＮ通信部１２に接続されている複数のＥＣＵ１１１，１１２，１１３，１１４，…は、具体的には、モータ制御を行うモータＥＣＵ１１１、ブレーキ制御を行うブレーキＥＣＵ１１２、ステアリング制御を行うステアリングＥＣＵ１１３、サスペンション制御を行うサスペンションＥＣＵ１１４等である。図２では、ＣＡＮ通信部１２に接続されているＥＣＵとして、ＥＣＵ１１１，１１２，１１３，１１４のみを示している。

記憶部１３は、各種データを記憶するための記憶装置である。
通信部１４は、広域無線通信網ＮＷを介して、走行試験パタン作成装置３との間でデータ通信を行う。

走行試験パタン作成装置３は、図３に示すように、制御部３１と、通信部３２と、記憶部３３と、表示部３４と、操作入力部３５とを備える。
制御部３１は、ＣＰＵ４１、ＲＯＭ４２およびＲＡＭ４３等を備えたマイクロコンピュータを中心に構成された電子制御装置である。マイクロコンピュータの各種機能は、ＣＰＵ４１が非遷移的実体的記録媒体に格納されたプログラムを実行することにより実現される。この例では、ＲＯＭ４２が、プログラムを格納した非遷移的実体的記録媒体に該当する。また、このプログラムの実行により、プログラムに対応する方法が実行される。なお、ＣＰＵ４１が実行する機能の一部または全部を、一つあるいは複数のＩＣ等によりハードウェア的に構成してもよい。また、制御部３１を構成するマイクロコンピュータの数は１つでも複数でもよい。

通信部３２は、広域無線通信網ＮＷを介して、複数の車載装置２との間でデータ通信を行う。
記憶部３３は、各種データを記憶するための記憶装置である。

表示部３４は、図示しない表示装置を備え、表示装置の表示画面に各種画像を表示する。
操作入力部３５は、図示しないキーボードおよびマウスを介して使用者が行った入力操作を特定するための入力操作情報を出力する。

走行試験パタン作成装置３は、複数の車載装置２から車両位置情報と運転操作データと車両挙動データとを含む運転挙動データを繰り返し収集し、記憶部３３に記憶する。運転操作データは、車載装置２を搭載した車両をドライバが運転する運転操作に関するデータである。運転挙動データは、車載装置２を搭載した車両をドライバが運転する運転操作の結果として表れる車両の挙動に関するデータである。

［２．試験パタン作成］
走行試験パタン作成装置３は、試験パタン作成を実行する。
次に、制御部３１のＣＰＵ４１が実行する試験パタン作成の手順を説明する。試験パタン作成は、試験パタン作成を実行するために記憶部３３に記憶された試験パタン作成プログラムを使用者の入力操作により起動することで実行される。なお、試験パタン作成プログラムは、走行試験パタン作成装置３に予めインストールされていてもよいし、記録媒体またはネットワークを介してインストールされるようにしてもよい。記録媒体としては、例えば光ディスク、磁気ディスクおよび半導体メモリなどが挙げられる。

試験パタン作成が実行されると、ＣＰＵ４１は、図４に示すように、まずＳ１０にて、記憶部３３に記憶されている複数の運転挙動データを、走行試験ルート毎に分類する。具体的には、ＣＰＵ４１は、走行軌跡間距離を用いて、教師なし学習手法であるＤＢＳＣＡＮによって複数の運転挙動データをクラスタリングする。ＤＢＳＣＡＮは、Density-based spatial clustering of applications with noiseの略である。なお、走行試験ルートを特定するためのルートラベルが付与されている運転挙動データが存在している場合には、これらの運転挙動データを用いて教師あり学習をさせることによって教師あり判別器を作成し、ルートラベルが付与されていない運転挙動データのルートを判別するようにしてもよい。

走行軌跡間距離は、運転挙動データの走行軌跡を距離によってＮ等分することにより形成される（Ｎ＋１）個の点（始点・終点含む）における点間距離の総和である。なお、Ｎは正の整数である。例えば、第１運転挙動データの走行軌跡をＮ等分することにより、第１運転挙動データの走行軌跡上に第１点、第２点、第３点、…、第Ｎ点、第（Ｎ＋１）点が形成される。同様に、第２運転挙動データの走行軌跡をＮ等分することにより、第２運転挙動データの走行軌跡上に第１点、第２点、第３点、…、第Ｎ点、第（Ｎ＋１）点が形成される。そして、第１運転挙動データの第ｉ点と第２運転挙動データの第ｉ点との距離を第ｉ点間距離とする。ｉは、１から（Ｎ＋１）までの整数である。この場合に、第１運転挙動データと第２運転挙動データとの走行軌跡間距離は、第１点間距離から第（Ｎ＋１）点間距離までの総和である。

したがって、第１運転挙動データの走行軌跡と第２運転挙動データの走行軌跡とが一致している場合には、第１運転挙動データと第２運転挙動データとの走行軌跡間距離は０である。一方、第１運転挙動データの走行軌跡と第２運転挙動データの走行軌跡とが離れるほど、第１運転挙動データと第２運転挙動データとの走行軌跡間距離が大きくなる。

そして、複数の運転挙動データのクラスタリングが終了すると、ＣＰＵ４１は、複数の運転挙動データのそれぞれに対して、運転挙動データに対応するクラスタを識別するためのルート識別番号を付与して、Ｓ１０の処理を終了する。クラスタリングにより形成されたクラスタの数がＲ個である場合には、ルート識別番号は、１からＲまでの整数である。なお、運転挙動データに予めルートラベルが設定されている場合には、ルートラベルに基づいてルート識別番号が付与される。

次にＣＰＵ４１は、Ｓ２０にて、ＲＡＭ４３に設けられたルート識別番号Ｎｒに１を格納する。
そしてＣＰＵ４１は、Ｓ３０にて、ルート識別番号Ｎｒが付与された複数の運転挙動データのそれぞれを分節化する。

次に、運転挙動データの分節化について説明する。
耐久試験を想定した場合には、ドライバによる運転挙動（例えば、「ステアリングを切って戻す」など）における最大値の頻度分布に注目する必要がある。このような、定義が明確でない一連の挙動をルールベースなどで定義することは困難である。また、複数信号（例えば、車速、アクセル開度、ブレーキ圧、舵角）の組合せに対して一連の挙動を定義することは更に困難である。

これに対し、走行試験パタン作成装置３は、収集した大量データに記号化を適用することで、複数信号にて定まる一連の挙動を自動で分割する。
走行試験パタン作成装置３は、図５に示すように、車両の挙動を時系列で示すデータを分節化し、分節化されたデータをそれぞれ記号分節とする。記号分節は、運転挙動データの時系列中において繰り返し現れる典型的な部分時系列パタンであり、例えば、「発進」、「減速」、「定常走行」、「右折」等が挙げられる。さらに走行試験パタン作成装置３は、例えば特開２０１４－２３５６０５号公報で開示されているトピックモデルを用いて、複数の記号分節のそれぞれについてトピック分布を算出する。以下、分節化により得られた上記記号分節を分節とも言う。

走行試験パタン作成装置３は、運転操作データおよび車両挙動データのそれぞれを差分した差分データを生成し、運転操作データ、車両挙動データおよび差分データから構成される多次元データを運転挙動データとして生成する。なお、運転操作データとしては、例えば、アクセル開度、ブレーキ圧、舵角、方向指示器の操作状態、トランスミッションのシフト位置などを用いることができる。また、車両挙動データとしては、例えば、車速、ヨーレートなどを用いることができる。

走行試験パタン作成装置３は、ドライバの環境認知から操作に至るモデルを利用して運転挙動データを統計解析し、ドライバが感じる運転シーンの切り替わり点を抽出することにより、運転挙動データの時系列を、それぞれが何等かの記号分節を表す複数の部分系列に分節化する。

なお、運転挙動データの分節化については、本願出願人が別途発表した非特許文献、T.Taniguchi et al,"Semiotic Prediction of Driving Behavior using Unsupervised Double Articulation Analyzer" IEEE Intelligent Vehicles Symposium,2012、および、K.Takenaka et al," Contextual Scene Segmentation of Driving Behavior based on Double Articulation Analyzer" IEEE/RSJ International Conference on Intelligent Robots and Systems,2012、等に詳述されているため、ここでは説明を省略する。

走行試験パタン作成装置３は、分節化された記号分節毎に、記号分節に対応する部分系列に属する運転挙動データを用いて運転挙動ヒストグラムを生成する。
走行試験パタン作成装置３は、生成された運転挙動ヒストグラムを、予め学習した代表的な複数の運転挙動ヒストグラム（すなわち運転トピック）の加重和によって表現する。この加重ベクトルをトピック分布、各加重をトピック割合と呼び、算出したトピック分布を記憶部３３に格納する。

運転挙動ヒストグラムは、着目する記号分節に対応する部分系列に属する運転挙動データの各信号の値域の分布である。例えば図６に示すように、アクセル開度、ブレーキ圧、舵角、車速、およびこれらの各々の差分データ等の信号毎にヒストグラムを生成し、生成されたヒストグラムを連結したものが、運転挙動ヒストグラムである。

運転トピックは、生成された運転挙動ヒストグラムを、ＬＤＡを用いてＫ個（例えば１００個）のクラスタリングを行った際の代表ヒストグラムＴｏｐｉｃ１～ＴｏｐｉｃＫからなる。ＬＤＡは、Latent Dirichlet Allocationの略である。

トピック割合は、運転挙動ヒストグラムに対する各運転トピックの含有率であり、Ｋ個のトピック割合を要素に持つＫ次元ベクトルをトピック分布と呼ぶ。
これらの手法の詳細については、例えば、D.Blei et al,"Latent Dirichlet Allocation" Journal of Machine Learning Research,2003、および、T.Griffiths & M.Steyvers,"Finding Scientific Topics," Proceedings of the National Academy of Sciences,2004などに記載されているため、ここでは説明を省略する。また、基底特徴分布の生成方法は、例えば特開２０１４－２３５６０５号等に記載された公知のものであるため、説明を省略する。

ＣＰＵ４１は、Ｓ３０にて、運転挙動データに記号化を適用して分節化することにより、図７に示すように、運転挙動データ毎に、運転挙動データを複数の分節に分割する。各分節は、上記のトピック分布と、分節の時間を表す分節長とで構成されている。

Ｓ３０の処理が終了すると、ＣＰＵ４１は、図４に示すように、Ｓ４０にて、まず、分節のクラスタリングを行う。
具体的には、ＣＰＵ４１は、まず、トピック分布を構成するＫ個のトピック割合を変数とするＫ次元空間でクラスタリングを行う。次にＣＰＵ４１は、トピック割合を変数とするクラスタリングにより分類された複数のクラスタのそれぞれについて、分節長を変数とする１次元空間でクラスタリングを行う。これにより、ルート識別番号Ｎｒが付与された運転挙動データの分節が、複数のクラスタに分類される。なお、クラスタリングに用いる運転トピックは、Ｋ個未満であってもよい。分節長を用いてクラスタリングを行うのは、運転挙動が類似していても分節の継続時間（すなわち、分節長）により車両への影響が異なるためである。

Ｓ４０では、クラスタリング時の距離としてＳＢＤを利用し、クラスタリング手法としてＸ－ｍｅａｎｓ法を利用し、これにより、時系列の類似度を評価しつつクラスタ数の最適化を実現している。ＳＢＤは、Shape-Based Distanceの略である。

図８の分布図ＤＭ１は、第１トピック割合と、第２トピック割合とを変数とする２次元空間における分節の分布を示す図である。本実施形態では、実際にはＫ次元空間における分節の分布に基づいてクラスタリングを行っているが、図示を簡略化するために、２次元空間における分節の分布を示している。図８の分布図ＤＭ１に示すように、分節が複数のクラスタＣＬ１，ＣＬ２，ＣＬ３，…に分類される。

図８のヒストグラムＨＧ１は、クラスタＣＬ２に含まれる分節について、分節長を区間で分割し、各区間における分節個数のばらつきを示す図である。
クラスタリングが終了すると、ＣＰＵ４１は、クラスタリングで得られた複数のクラスタをそれぞれ分節クラスとし、各分節クラスに含まれる分節の個数を集計して、分節クラス毎に頻度［％］を算出する。以下、分節クラス毎に算出された頻度［％］を、分節クラス頻度という。

図９のヒストグラムＨＧ２および円グラフＰＣ１は、分節クラス毎に頻度［％］を示す。
そしてＣＰＵ４１は、円グラフＰＣ１の円弧ＡＣ１で示すように、上位ＸＸ［％］（例えば、８０％）の分節クラスを抽出する。図９の円グラフＰＣ１では、上位ＸＸ［％］の分節クラスとして、分節クラスＡ、分節クラスＢ、分節クラスＣおよび分節クラスＤが抽出される。

Ｓ４０の処理が終了すると、ＣＰＵ４１は、図４に示すように、Ｓ５０にて、運転単位を定義する。
具体的には、ＣＰＵ４１は、まず、Ｓ４０で抽出された複数の分節クラスのそれぞれについて、分節クラスに含まれる複数の分節における分節長の平均値（以下、平均分節長）を算出する。そしてＣＰＵ４１は、複数の分節クラスのそれぞれについて、時系列サンプリングを用いて、分節クラスに含まれる複数の分節を平均分節長に合わせる。以下、平均分節長に合わせた分節を、変換分節という。

例えば、図１０に示すように、分節クラスＤに分節Ｄ_１、分節Ｄ_２、分節Ｄ_３、…が含まれているとする。分節Ｄ_１の分節長をＬＤ_１、分節Ｄ_２の分節長をＬＤ_２、分節Ｄ_３の分節長をＬＤ_３、平均分節長をＬＤｍと表記する。

分節Ｄ_１の分節長ＬＤ_１は平均分節長ＬＤｍに等しい。このため、分節Ｄ_１は時系列サンプリングが行われることなく、分節Ｄ_１が変換分節Ｄ_１’となる。
分節Ｄ_２の分節長ＬＤ_２は平均分節長ＬＤｍより長い。このため、分節Ｄ_２の運転挙動データが等時間間隔で間引かれて、分節長が平均分節長ＬＤｍに等しい変換分節Ｄ_２’に変換される。

分節Ｄ_３の分節長ＬＤ_３は平均分節長ＬＤｍより短い。このため、分節Ｄ_３の運転挙動データに対して等時間間隔で運転挙動データが追加されて、分節長が平均分節長ＬＤｍに等しい変換分節Ｄ_３’に変換される。追加される運転挙動データ（以下、追加運転挙動データ）は、例えば、追加運転挙動データの直前の運転挙動データと、追加運転挙動データの直後の運転挙動データとの平均値が採用される。

次にＣＰＵ４１は、平均分節長に合わせた複数の変換分節における運転挙動データの平均値を算出することにより、平均分節を生成する。さらにＣＰＵ４１は、図１０に示すように、ＳＢＤを用いて、平均分節に最も類似する変換分節を選定し、選定した変換分節を運転単位として定義する。なお、平均分節そのものを運転単位として定義してもよい。これにより、Ｓ４０で抽出された複数の分節クラスのそれぞれについて、運転単位が定義される。図１０では、矢印Ｌ１で示すように、運転単位Ａ、運転単位Ｂ、運転単位Ｃ、運転単位Ｄ…が定義されている。

Ｓ５０の処理が終了すると、ＣＰＵ４１は、図４に示すように、Ｓ６０にて、運転単位間の遷移確率を算出する。
具体的には、ＣＰＵ４１は、まず、ルート識別番号Ｎｒが付与された複数の運転挙動データのそれぞれについて、Ｓ３０で分節化された分節を、例えば図１１に示すように、Ｓ５０で定義された運転単位に置き換える。図１１は、運転挙動データを、運転単位Ａ、運転単位Ｂ、運転単位Ｃおよび運転単位Ｄで置換した状態を示している。

そしてＣＰＵ４１は、ルート識別番号Ｎｒが付与された全ての運転挙動データについて、各運転単位間の遷移回数を集計することにより、各運転単位間の遷移確率を算出する。
例えば、運転単位Ａ、運転単位Ｂ、運転単位Ｃおよび運転単位Ｄが定義されている場合には、ＣＰＵ４１は、以下の遷移について遷移回数の集計を行う。

まず、運転単位Ａを起点とする遷移として、運転単位Ａから運転単位Ｂへの遷移と、運転単位Ａから運転単位Ｃへの遷移と、運転単位Ａから運転単位Ｄへの遷移と、運転単位Ａから運転単位Ａへの遷移とが挙げられる。また、運転単位Ｂを起点とする遷移として、運転単位Ｂから運転単位Ａへの遷移と、運転単位Ｂから運転単位Ｃへの遷移と、運転単位Ｂから運転単位Ｄへの遷移と、運転単位Ｂから運転単位Ｂへの遷移とが挙げられる。また、運転単位Ｃを起点とする遷移として、運転単位Ｃから運転単位Ａへの遷移と、運転単位Ｃから運転単位Ｂへの遷移と、運転単位Ｃから運転単位Ｄへの遷移と、運転単位Ｃから運転単位Ｃへの遷移とが挙げられる。また、運転単位Ｄを起点とする遷移として、運転単位Ｄから運転単位Ａへの遷移と、運転単位Ｄから運転単位Ｂへの遷移と、運転単位Ｄから運転単位Ｃへの遷移と、運転単位Ｄから運転単位Ｄへの遷移とが挙げられる。

ＣＰＵ４１は、上記の全ての遷移の遷移回数の総計と、各遷移の遷移回数とに基づいて、各運転単位間の遷移確率を算出して、各運転単位間の遷移確率を示す遷移マップを生成する。

図１１の遷移マップＴＭ１は、運転単位Ａ、運転単位Ｂ、運転単位Ｃ、運転単位Ｄ、運転単位Ｅ、運転単位Ｆ、運転単位Ｇ、運転単位Ｈ、運転単位Ｉ、運転単位Ｊおよび運転単位Ｋにおける各運転単位間の遷移確率を示す。

遷移マップＴＭ１は、行列状に形成されており、行列における第ｉ行目で第ｊ列目の成分が遷移確率を示す。行列における第１，２，３，４，５，６，７，８，９，１０，１１行目はそれぞれ、運転単位Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇ，Ｈ，Ｉ，Ｊ，Ｋに対応する。同様に、行列における第１，２，３，４，５，６，７，８，９，１０，１１列目はそれぞれ、運転単位Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ，Ｇ，Ｈ，Ｉ，Ｊ，Ｋに対応する。このため、例えば、行列における第１行目で第２列目の成分は、運転単位Ａから運転単位Ｂへの遷移確率を示す。

以下、遷移マップにおける第ｉ行目で第ｊ列目の成分を式（１）で表す。式（１）におけるＮは運転単位の総数である。

Ｓ６０の処理が終了すると、ＣＰＵ４１は、図４に示すように、Ｓ７０にて、運転単位の並び替えと結合とを行う。
具体的には、ＣＰＵ４１は、まず、開始と終了とを停止状態で固定する。そしてＣＰＵ４１は、運転単位頻度の目標値Ｄ（以下、頻度目標値Ｄ）を、Ｓ４０で算出された分節クラス頻度で設定する。さらにＣＰＵ４１は、運転時間の目標値Ｔ（以下、運転時間目標値Ｔ）を、ルート識別番号Ｎｒで特定される走行試験ルートの平均走行時間またはユーザ任意値に設定する。

そして、式（２）に示す損失関数Ｌ（Ω）を最小化することにより得られる運転単位の並び替え結果を並び替え候補として出力する。式（２）のα，β，γは定数である。

なお、運転単位ｉの時間（すなわち、分節長）をＴ_ｉで表す。運転単位ｉの遷移確率Ｐ_ｉを式（３）で表す。
さらに、運転単位ｉの個数をｍ_ｉで表す。Ｍを式（４）で表す。Ｍ_ｓｕｍを式（５）で表す。

Ｏは、｛ｍ_ｉ＞０｝の並び替え順序数列である。並び替え順序数列Ｏは、並び替え順序パタン数分だけ存在する。
最適化対象パラメタΩを式（６）で表す。

そして、式（２）のＴ（Ω）は、最適化対象パラメタΩにおける総運転時間であり、式（７）で表される。式（２）のＤ（Ω）は、最適化対象パラメタΩにおける運転単位頻度であり、式（８）で表される。式（２）のＬＬ（Ω）は、並び替え順序数列Ｏにおける遷移尤度であり、式（９）で表される。

式（２）の右辺における第１項は、運転時間に関する運転時間目標値Ｔとの差分である。式（２）の右辺における第２項は、運転単位頻度に関する頻度目標値Ｄとの差分である。式（２）の右辺における第３項は、遷移尤度の逆数である。したがって、式（２）に示す損失関数Ｌ（Ω）を最小化することにより、運転時間、運転単位頻度を目標値に近づけつつ遷移尤度を極大化する。これにより各運転単位の個数が最適化され、かつ運転単位の遷移が最適化される。

運転単位の並び替え（すなわち、並び替え候補の出力）が終了すると、ＣＰＵ４１は、運転単位間の結合を行う。具体的には、ＣＰＵ４１は、並び替え候補を構成する複数の運転単位の間に、例えば図１２に示すように、運転単位を繋げる結合単位を挿入する。

図１２では、結合単位ＪＵ１が停止状態と運転単位Ａとの間に、結合単位ＪＵ２が運転単位Ａと運転単位Ｂとの間に、結合単位ＪＵ３が運転単位Ｂと運転単位Ｃとの間に、結合単位ＪＵ４が運転単位Ｂと運転単位Ｄとの間に、結合単位ＪＵ５が運転単位Ｄと停止状態との間に挿入されている。

結合単位は、図１３に示すように、運転単位と運転単位との間で、運転単位を構成する時系列データを線形補間する。図１３では、時刻ｔ１から時刻ｔ２までの前側の運転単位ＤＵ１は、第１時系列データＤＰ１、第２時系列データＤＰ２、第３時系列データＤＰ３および第４時系列データＤＰ４で構成されている。時刻ｔ３から時刻ｔ４までの後側の運転単位ＤＵ２は、第１時系列データＤＦ１、第２時系列データＤＦ２、第３時系列データＤＦ３および第４時系列データＤＦ４で構成されている。

運転単位ＤＵ１と運転単位ＤＵ２との間に挿入される結合単位ＪＵ１１は、時刻ｔ２から時刻ｔ３までの第１時系列データＤＣ１、第２時系列データＤＣ２、第３時系列データＤＣ３および第４時系列データＤＣ４で構成されている。

第１時系列データＤＣ１は、時刻ｔ２における第１時系列データＤＰ１の値と、時刻ｔ３における第１時系列データＤＦ１の値とを直線で接続するように形成されている。同様に、第２，３，４時系列データＤＣ２，３，４はそれぞれ、時刻ｔ２における第２，３，４時系列データＤＰ２，３，４の値と、時刻ｔ３における第２，３，４時系列データＤＦ２，３，４の値とを直線で接続するように形成されている。

運転単位間の結合が終了することにより、ルート識別番号Ｎｒで特定される走行試験ルートについてのロボット用試験パタンが作成される。
Ｓ７０の処理が終了すると、ＣＰＵ４１は、図４に示すように、Ｓ８０にて、運転単位の目標値を設定する。

具体的には、ＣＰＵ４１は、Ｓ８０で作成されたロボット用走行試験パタンを構成する複数の運転単位のそれぞれについて、運転単位を構成する複数の時系列データの目標値を設定する。目標値は、本実施形態では、時系列データの極値である。なお、目的に応じて、時系列データの最大値、最小値または平均値を目標値としてもよい。

例えば図１４に示すように、時刻ｔ１１から時刻ｔ１２までの運転単位ＤＵ１１が、第１時系列データＤＳ１、第２時系列データＤＳ２、第３時系列データＤＳ３および第４時系列データＤＳ４で構成されているとする。そしてＣＰＵ４１は、第１，２，３，４時系列データＤＳ１，２，３，４の極値をそれぞれ、第１，２，３，４時系列データＤＳ１，ＤＳ２，ＤＳ３，ＤＳ４の目標値とする。さらにＣＰＵ４１は、運転単位ＤＵ１１を、時刻ｔ１１から時刻ｔ１２までの値が目標値で固定された第１，２，３，４時系列データＤＴ１，ＤＴ２，ＤＴ３，ＤＴ４で構成される運転単位に変換する。

ロボット用走行試験パタンを構成する全ての運転単位について目標値の設定が終了することにより、ルート識別番号Ｎｒで特定される走行試験ルートについての人間用走行試験パタンが作成される。このように、運転単位について目標値を設定するのは、人間による操作では時系列データに沿った運転が困難であるためである。

Ｓ８０の処理が終了すると、ＣＰＵ４１は、図４に示すように、Ｓ９０にて、ルート識別番号Ｎｒに格納されている値がクラスタ総数Ｒ以上であるか否かを判断する。ここで、ルート識別番号Ｎｒに格納されている値がクラスタ総数Ｒ未満である場合には、ＣＰＵ４１は、Ｓ３０に移行する。一方、ルート識別番号Ｎｒに格納されている値がクラスタ総数Ｒ以上である場合には、ＣＰＵ４１は、試験パタン作成処理を終了する。

［３．効果］
このように構成された走行試験パタン作成装置３は、複数の運転挙動データのそれぞれについて、運転挙動データの時系列を、予め設定された複数の記号分節を表す複数の部分系列毎に分節する。複数の運転挙動データは、車両毎に車両の挙動およびドライバの運転操作を表し、同一の走行試験ルートを走行することにより得られたデータであると分類される。以下、分節された複数の部分系列のそれぞれを分節という。

走行試験パタン作成装置３は、複数の分節を複数の分節クラスに分類し、複数の分節クラスのそれぞれについて、分節クラスの特徴を代表する分節を運転単位として定義する。
走行試験パタン作成装置３は、分節化された複数の運転挙動データに基づいて、運転挙動データにおける分節の配列に関する遷移マップを生成する。

走行試験パタン作成装置３は、生成された遷移マップに基づいて、複数の運転単位を配列することによって走行試験パタンを作成する。
このように走行試験パタン作成装置３は、記号分節を最小単位とする運転単位を配列することにより走行試験パタンを作成する。記号分節の時間は、車両が発進してから停止するまでの時間より十分短い。このため、走行試験パタン作成装置３は、時間が短い複数の運転単位を組み合わせることによって、実走行で得られる運転挙動データに類似する（すなわち、実走行を反映した）走行試験パタンを作成することができ、走行試験パタンの信頼性を向上させることができる。

遷移マップは、複数の分節クラスのそれぞれについて異なる分節クラスへ遷移する確率を示す。遷移マップを用いることにより、走行試験パタン作成装置３は、高精度な走行試験パタンを作成することができる。

また走行試験パタン作成装置３は、運転時間の目標値Ｔ（すなわち、ルート平均時間／ユーザ任意値）に基づいて、運転単位を配列する。これにより、走行試験パタン作成装置３は、高精度な走行試験パタンを作成することができる。なお、運転時間の目標値Ｔは、走行試験ルートを走行するために要する走行時間に関する情報に相当する。

また運転単位は、運転単位に対応する分節クラスに含まれる複数の分節を構成する運転挙動データの平均である。これにより、走行試験パタン作成装置３は、走行試験パタンを簡素化することができる。

また走行試験パタン作成装置３は、複数の分節毎にトピック分布を算出し、複数のトピック割合と、分節の分節長とを用いてクラスタリングすることによって、複数の分節を複数の分節クラスに分類する。分節長を考慮することによって、分節を高精度に分類することができ、走行試験パタン作成装置３は、高精度な走行試験パタンを作成することができる。

また走行試験パタン作成装置３は、複数の分節クラスのそれぞれについて、分節クラスに含まれる分節の頻度を集計し、この集計結果に基づいて、運転単位として定義する分節クラスを選定する。

また、ロボット用走行試験パタンにおける運転単位は、運転挙動データを構成する複数の時系列（すなわち、車速、アクセル開度、ブレーキ圧、舵角）のそれぞれが時間経過に応じて変化可能なデータで構成されている。これにより、ロボットを用いた走行試験において、実走行を反映した詳細なデータを取得することが可能となる。

また、人間用走行試験パタンにおける運転単位は、運転挙動データを構成する複数の時系列のそれぞれの目標値を示し運転単位内で時間経過に応じて変化しないデータで構成されている。これにより、走行試験パタン作成装置３は、人間の運転操作による走行試験に対応した走行試験パタンを作成することができる。

また走行試験パタン作成装置３は、時系列的に互いに隣接する２つの運転単位の間に結合単位を挿入する。結合単位は、時系列的に前の運転単位において運転挙動データを構成する複数の時系列の終点時刻における値と、時系列的に後の運転単位において複数の時系列の始点時刻における値とを補間する。これにより、走行試験パタン作成装置３は、実際の運転に近い走行試験パタンを作成することができる。

また走行試験パタン作成装置３は、複数の運転挙動データを、走行試験ルート毎に分類する。これにより、走行試験パタン作成装置３は、走行試験ルート毎に、走行試験ルートを反映した高精度な走行試験パタンを作成することができる。

以上説明した実施形態において、Ｓ３０は分節部および分節手順としての処理に相当し、Ｓ４０，Ｓ５０は運転単位定義部および運転単位定義手順としての処理に相当し、Ｓ６０は配列情報生成部および配列情報生成手順としての処理に相当し、Ｓ７０は配列部および配列手順としての処理に相当する。

また、遷移マップは分節配列情報に相当し、ロボット用走行試験パタンおよび人間用走行試験パタンは走行試験パタンに相当し、Ｓ１０はルート分類部としての処理に相当する。

以上、本開示の一実施形態について説明したが、本開示は上記実施形態に限定されるものではなく、種々変形して実施することができる。
［変形例１］
上記実施形態では、トピック割合を変数とするＫ次元空間でクラスタリングを行い、更に、分節長を変数とする１次元空間でクラスタリングを行う形態を示した。しかし、データが十分であれば、トピック分布を構成するＫ個のトピック割合と、分節長とを変数とする（Ｋ＋１）次元空間においてクラスタリングを行うようにしてもよい。

また、「発進」、「減速」、「定常走行」、「右折」等の複数の運転シーンのそれぞれについて、運転シーンの特徴を表す特徴量を設定し、運転シーン毎に設定された複数の特徴量を変数とする多次元空間においてクラスタリングを行うことによって、運転挙動データの分節を、複数のクラスタに分類するようにしてもよい。これにより、走行試験パタン作成装置３は、分節を高精度に分類することができ、高精度な走行試験パタンを作成することができる。

［変形例２］
図１４では、各運転単位において、継続時間と、アクセル開度、ブレーキ圧、舵角および車速の目標値とが設定される形態を示したが、運転単位における道路の勾配を設定するようにしてもよい。

［変形例３］
上記実施形態では、遷移マップに基づいて運転単位を配列する形態を示した。しかし、分節クラス毎に、分節内における各時系列データの目標値の頻度分布を生成し、運転単位および順序を無視して、目標値の頻度分布に可能な限り一致するように、運転単位を配列するようにしてもよい。図１５は、舵角、ブレーキ圧および車速等の時系列に対する目標値の頻度分布を示すヒストグラムである。これにより、走行試験パタンをより簡便に作成することができる。なお、目標値の頻度分布は分節配列情報に相当する。

図１６は、ブレーキ圧の目標値と車速の目標値との組み合わせに対する頻度分布である。このように、複数の時系列の目標値の組み合わせに対する頻度分布が得られている場合には、この頻度分布に可能な限り一致するように、運転単位を配列するようにしてもよい。

［変形例４］
上記実施形態では、遷移マップに基づいて運転単位を配列する形態を示した。しかし、運転挙動データに記号化を適用して分節化することにより、分節毎に、車両挙動および運転操作の少なくとも一方を表す記号化キャプションラベル（例えば、「高速」、「強アクセル」、「弱ブレーキ」、「右ステア」等）が設定される場合には、記号化キャプションラベルの頻度分布を生成することが可能である。キャプションについては、本願出願人が別途発表した非特許文献「Generating Contextual Description from Driving Behavioral Data」（Bando, Takenaka, Nagasaka, Taniguchi; IV2014）に記載されているため、ここでは説明を省略する。

このため、記号化キャプションラベルの頻度分布に可能な限り一致するように、運転単位を配列するようにしてもよい。これにより、走行試験パタンをより簡便に作成することができる。なお、記号化キャプションラベルの頻度分布は分節配列情報に相当する。

［変形例５］
上記実施形態では、遷移マップに基づいて運転単位を配列する形態を示した。しかし、ルート識別番号Ｎｒが付与された全ての運転挙動データで得られた全ての分節を分節クラス毎に集計することにより、分節クラス毎の分節頻度を示す分節頻度分布を生成し、この分節頻度分布に可能な限り一致するように、運転単位を配列するようにしてもよい。これにより、走行試験パタン作成装置３は、高精度な走行試験パタンを作成することができる。なお、分節頻度分布は分節配列情報に相当する。

［変形例６］
上記実施形態では、上位ＸＸ［％］の分節クラスを抽出する形態を示した。しかし、レアな挙動に注目する場合には、下位ＹＹ［％］の分節クラスを抽出するようにしてもよい。

［変形例７］
本実施形態では、互いに隣接した２個の運転単位間の遷移確率を考慮して運転単位を配列する形態を示した。しかし、複数個の運転単位への遷移確率を考慮して運転単位を配列するようにしてもよい。

本開示に記載の制御部３１およびその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサおよびメモリを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の制御部３１およびその手法は、一つ以上の専用ハードウェア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の制御部３１およびその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサおよびメモリと一つ以上のハードウェア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されてもよい。制御部３１に含まれる各部の機能を実現する手法には、必ずしもソフトウェアが含まれている必要はなく、その全部の機能が、一つあるいは複数のハードウェアを用いて実現されてもよい。

上記実施形態における１つの構成要素が有する複数の機能を、複数の構成要素によって実現したり、１つの構成要素が有する１つの機能を、複数の構成要素によって実現したりしてもよい。また、複数の構成要素が有する複数の機能を、１つの構成要素によって実現したり、複数の構成要素によって実現される１つの機能を、１つの構成要素によって実現したりしてもよい。また、上記実施形態の構成の一部を省略してもよい。また、上記実施形態の構成の少なくとも一部を、他の上記実施形態の構成に対して付加または置換してもよい。

上述した走行試験パタン作成装置３の他、当該走行試験パタン作成装置３を構成要素とするシステム、当該走行試験パタン作成装置３としてコンピュータを機能させるためのプログラム、このプログラムを記録した半導体メモリ等の非遷移的実体的記録媒体、走行試験パタン作成方法など、種々の形態で本開示を実現することもできる。

３…走行試験パタン作成装置、３１…制御部

Claims (16)

1. 車両毎に前記車両の挙動およびドライバの運転操作のうち少なくとも一方を表す複数の運転挙動データのそれぞれについて、前記運転挙動データの時系列を、予め設定された複数の記号分節を表す複数の部分系列毎に分節するように構成された分節部（Ｓ３０）と、
   前記分節部により分節された複数の前記部分系列のそれぞれを分節として、複数の前記分節を複数の分節クラスに分類し、複数の前記分節クラスのそれぞれについて、前記分節クラスの特徴を代表する前記分節を運転単位として定義するように構成された運転単位定義部（Ｓ４０，Ｓ５０）と、
   前記分節部により分節化された複数の前記運転挙動データに基づいて、前記運転挙動データにおける前記分節の配列に関する分節配列情報を生成するように構成された配列情報生成部（Ｓ６０）と、
   前記配列情報生成部により生成された前記分節配列情報に基づいて、複数の前記運転単位を配列することによって走行試験パタンを作成するように構成された配列部（Ｓ７０）と
   を備える走行試験パタン作成装置（３）。
2. 請求項１に記載の走行試験パタン作成装置であって、
   前記分節配列情報は、複数の前記分節クラスのそれぞれにおける前記運転挙動データの目標値の頻度分布である走行試験パタン作成装置。
3. 請求項１に記載の走行試験パタン作成装置であって、
   前記分節配列情報は、複数の前記分節クラスのそれぞれについて前記挙動および前記運転操作のうち少なくとも一方を表すように設定されるキャプションラベルの頻度分布である走行試験パタン作成装置。
4. 請求項１に記載の走行試験パタン作成装置であって、
   前記分節配列情報は、複数の前記分節クラスのそれぞれについて前記分節クラス間で遷移する確率である走行試験パタン作成装置。
5. 請求項１に記載の走行試験パタン作成装置であって、
   前記分節配列情報は、複数の前記分節クラスにおける前記分節の頻度分布である走行試験パタン作成装置。
6. 請求項１～請求項５の何れか１項に記載の走行試験パタン作成装置であって、
   前記分節配列情報は、走行に要する走行時間に関する情報を含む走行試験パタン作成装置。
7. 請求項１～請求項６の何れか１項に記載の走行試験パタン作成装置であって、
   前記運転単位は、前記運転単位に対応する前記分節クラスに含まれる複数の前記分節を構成する前記運転挙動データの平均である走行試験パタン作成装置。
8. 請求項１～請求項７の何れか１項に記載の走行試験パタン作成装置であって、
   前記運転単位定義部は、複数の前記分節のそれぞれについて前記分節における前記挙動および前記運転操作の少なくとも一方の統計的な特徴として算出された運転特徴に基づいて、複数の前記分節を複数の前記分節クラスに分類する走行試験パタン作成装置。
9. 請求項８に記載の走行試験パタン作成装置であって、
   前記記号分節における前記運転挙動データの代表的な分布をヒストグラムで表すように予め用意された複数の運転トピックを用いて、前記記号分節を前記運転トピックの混合によって表現したときに得られる前記運転トピックの割合をトピック分布として、前記分節部は、複数の前記分節毎に、前記トピック分布を算出し、
   前記運転単位定義部は、前記トピック分布を構成する複数の前記運転トピックの割合と前記分節の分節長とを前記運転特徴として用いてクラスタリングすることによって、複数の前記分節を複数の前記分節クラスに分類する走行試験パタン作成装置。
10. 請求項１～請求項７の何れか１項に記載の走行試験パタン作成装置であって、
    予め設定された複数の運転シーンのそれぞれについて、前記運転シーンの特徴を表す特徴量を設定し、前記運転シーン毎に設定された複数の前記特徴量を用いてクラスタリングを行うことによって、複数の前記分節を複数の前記分節クラスに分類する走行試験パタン作成装置。
11. 請求項１～請求項１０の何れか１項に記載の走行試験パタン作成装置であって、
    前記運転単位定義部は、複数の前記分節クラスのそれぞれについて、前記分節クラスに含まれる前記分節の頻度を集計し、この集計結果に基づいて、前記運転単位として定義する前記分節クラスを選定する走行試験パタン作成装置。
12. 請求項１～請求項１１の何れか１項に記載の走行試験パタン作成装置であって、
    前記運転単位は、前記運転挙動データを構成する複数の時系列のそれぞれが時間経過に応じて変化可能なデータで構成されている走行試験パタン作成装置。
13. 請求項１～請求項１１の何れか１項に記載の走行試験パタン作成装置であって、
    前記運転単位は、前記運転挙動データを構成する複数の時系列のそれぞれの目標値を示し前記運転単位内で時間経過に応じて変化しないデータで構成されている走行試験パタン作成装置。
14. 請求項１２に記載の走行試験パタン作成装置であって、
    前記配列部は、時系列的に互いに隣接する２つの前記運転単位のうち、時系列的に前の前記運転単位を前側運転単位とし、時系列的に後の前記運転単位を後側運転単位として、前記前側運転単位において前記運転挙動データを構成する複数の前記時系列の終点時刻における値と、前記後側運転単位において前記運転挙動データを構成する複数の前記時系列の始点時刻における値とを補間する結合単位を、前記前側運転単位と前記後側運転単位との間に挿入する走行試験パタン作成装置。
15. 請求項１～請求項１４の何れか１項に記載の走行試験パタン作成装置であって、
    複数の前記運転挙動データを、走行試験ルート毎に分類するように構成されたルート分類部（Ｓ１０）を備える走行試験パタン作成装置。
16. 車両毎に前記車両の挙動およびドライバの運転操作のうち少なくとも一方を表す複数の運転挙動データのそれぞれについて、前記運転挙動データの時系列を、予め設定された複数の記号分節を表す複数の部分系列毎に分節する分節手順（Ｓ３０）と、
    前記分節手順により分節された複数の前記部分系列のそれぞれを分節として、複数の前記分節を複数の分節クラスに分類し、複数の前記分節クラスのそれぞれについて、前記分節クラスの特徴を代表する前記分節を運転単位として定義する運転単位定義手順（Ｓ４０，Ｓ５０）と、
    前記分節手順により分節化された複数の前記運転挙動データに基づいて、前記運転挙動データにおける前記分節の配列に関する分節配列情報を生成する配列情報生成手順（Ｓ６０）と、
    前記配列情報生成手順により生成された前記分節配列情報に基づいて、複数の前記運転単位を配列することによって走行試験パタンを作成する配列手順（Ｓ７０）と
    を備える走行試験パタン作成方法。

Images