JP7471451B2

JP7471451B2 - 制御演算装置

Info

Publication number: JP7471451B2
Application number: JP2022564918A
Authority: JP
Inventors: 知輝鵜生; 凜伊藤; 翔太亀岡; 僚太岡本
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2020-11-27
Filing date: 2020-11-27
Publication date: 2024-04-19
Anticipated expiration: 2040-11-27
Also published as: US20230365144A1; DE112020007805T5; JPWO2022113249A1; WO2022113249A1

Description

本開示は、自動運転において、自車両を制御するための目標制御値を演算する制御演算装置に関する。

特許文献１には、自車両運動モデルを用いて予測された自車両の将来の挙動に関し、センサを用いて予測された他車両の将来の挙動との関係を評価する評価関数に基づいて、自車両を制御するための目標制御値を演算する車両用制御装置について開示されている。

特開２０１７－８４１１０号公報

特許文献１では、自車両の将来の挙動を予測する際の演算負荷を軽減させるため、簡素化されたモデルである２輪モデルを用いている。しかし、例えば高車速時に実際の自車両の挙動と良好に一致する２輪モデルを用いた場合、低車速では実際の自車両の挙動との間に差異が生じる。この２輪モデルを用いて目標値を演算した場合、ドライバーに違和感を与える可能性がある。これに対し、全ての車速で実際の自車両の挙動と良好に一致する４輪モデルを用いることが考えられるが、モデルが複雑となり演算負荷が増加する問題がある。

本開示は、上述の課題を解決するためになされたもので、演算負荷の増加を抑えつつ、自車両を制御するための目標制御値を精度良く演算する制御演算装置を提供することを目的とする。

本開示に係る制御演算装置は、車両に設置された内界センサの取得対象である１つ以上の第１の状態変数が含まれる車両状態方程式を複数生成し、各々の前記車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成する混合状態方程式生成部と、前記内界センサにより各々の前記第１の状態変数の現在値を取得する車両状態取得部と、前記車両に設置された外界センサにより取得される周辺情報に基づいて、前記車両の目標経路を生成する目標経路生成部と、前記第１の混合状態方程式と各々の前記第１の状態変数の現在値とに基づいて、前記目標経路に沿って走行するための前記車両への目標制御値を演算し、前記車両を制御する制御部に対し前記目標制御値を出力する目標値演算部と、を備える。

本開示によれば、制御演算装置は、複数の車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成し、第１の混合状態方程式を用いて自車両を制御するための目標制御値を演算するため、演算負荷の増加を抑えつつ、目標制御値を精度良く演算することができる。

実施の形態１における制御演算装置の一例を示すブロック図である。実施の形態１から３における第１の車両運動モデルの一例を示す模式図である。実施の形態１から３における第２の車両運動モデルの一例を示す模式図である。実施の形態１から３における車速に対する第１の重み関数の一例を示すグラフである。実施の形態１における車速に対するヨーレートの一例を示すグラフである。実施の形態１における自動運転の手順の一例を示すフローチャートである。実施の形態２における制御演算装置の一例を示すブロック図である。実施の形態２における自動運転の手順の一例を示すフローチャートである。実施の形態２における自動運転の手順の別の一例を示すフローチャートである。実施の形態３における制御演算装置の一例を示すブロック図である。実施の形態３における自動運転の手順の一例を示すフローチャートである。実施の形態１から３における制御演算装置および制御部のハードウェア構成を示す図である。

以下、図面を参照しながら本開示の実施の形態における制御演算装置について説明する。なお、以下では自車両を単に「車両」と称する。

実施の形態１．
図１は、実施の形態１における制御演算装置２００の一例を示すブロック図である。図１は、内界センサ１１０と、外界センサ１２０と、制御演算装置２００と、制御部３１０とにより構成されるブロック図である。制御演算装置２００は、内界センサ１１０からの車両情報と、外界センサ１２０からの周辺情報とに基づいて、車両を制御するための目標制御値を演算する。ここで目標制御値とは、目標操舵量および目標加減速量である。

内界センサ１１０は、車両に設置され、車両情報を出力する。内界センサ１１０は、例えば操舵角センサ、操舵トルクセンサ、ヨーレートセンサ、車速センサ、加速度センサ、およびＧＮＳＳ（ＧｌｏｂａｌＮａｖｉｇａｔｉｏｎＳａｔｅｌｌｉｔｅＳｙｓｔｅｍ）センサなどである。１つの内界センサ１１０で取得される車両情報の数は、１つである。例えば、加速度センサは車両の前後加速度を取得する。よって、内界センサ１１０の数だけ、取得できる車両情報の数は多くなる。その代わりに、複数の車両情報を取得できる内界センサ１１０を車両に設置してもよい。

外界センサ１２０は、車両に設置され、車両の周辺情報を出力する。外界センサ１２０は、例えば道路区画線の位置と角度と曲率とを検知する前方カメラ、先行者の位置と速度とを取得するレーダ、ＬｉＤＡＲ（ＬｉｇｈｔＤｅｔｅｃｔｉｏｎａｎｄＲａｎｇｉｎｇ）、ソナー、車車間通信装置、および路車間通信装置などである。周辺情報は、例えば他車両、自転車、および歩行者などの位置と速度とである。複数の外界センサ１２０を用い、各々の外界センサ１２０からの情報を統合することで、複数の周辺情報を同時に取得することができる。一例として、外界センサ１２０として前方カメラ、レーダ、およびＬｉＤＡＲを用い、各々の外界センサ１２０からの情報を統合することで、他車両などの位置と速度とを取得することができる。

制御演算装置２００は、混合状態方程式生成部２１０と、車両状態取得部２２０と、目標経路生成部２３０と、目標値演算部２４０とを備える。

混合状態方程式生成部２１０は、車両に設置された内界センサ１１０の取得対象である１つ以上の第１の状態変数が含まれる車両状態方程式を複数生成する。混合状態方程式生成部２１０は、各々の車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成する。混合状態方程式生成部２１０は、第１の混合状態方程式を目標値演算部２４０に出力する。車両状態方程式は、ここでは第１の車両状態方程式と第２の車両状態方程式とである。車両状態方程式については、後に図２および図３を用いて詳細に説明する。また、第１の重み関数および第１の混合状態方程式についても、後に詳細に説明する。

車両状態取得部２２０は、内界センサ１１０により各々の第１の状態変数の現在値を取得する。車両状態取得部２２０は、各々の第１の状態変数の現在値を目標値演算部２４０に出力する。

目標経路生成部２３０は、車両に設置された外界センサ１２０により取得される周辺情報に基づいて、車両の目標経路を生成する。目標経路は、例えば車線の中央を走行するような経路、および車線変更を行う経路などである。目標経路生成部２３０は、目標経路を目標値演算部２４０に出力する。

目標値演算部２４０は、第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて、目標経路に沿って走行するための車両への目標制御値を演算し、車両を制御する制御部３１０に対し目標制御値を出力する。目標値演算部２４０については、後に詳細に説明する。

制御部３１０は、車両に搭載されたコントローラであり、目標値演算部２４０からの目標制御値に車両が追従するよう、アクチュエータを動作させる。制御部３１０は、例えばＥＰＳ（ＥｌｅｃｔｒｉｃＰｏｗｅｒＳｔｅｅｒｉｎｇ）コントローラ、エンジンコントローラ、およびブレーキコントローラである。アクチュエータは車輪と間接的に接続されるモータであり、車輪の操舵、回転、および制動などを行う。

次に、図２および図３を用いて、車両状態方程式について説明する。

図２は、実施の形態１における第１の車両運動モデルの一例を示す模式図である。図２において、横軸Ｘと縦軸Ｙとは、慣性座標系での車両の重心位置である。θは方位角、Ｖは車速、γはヨーレート、δは前輪舵角、βは横滑り角、β_ｆは前輪横滑り角、β_ｒは後輪横滑り角、Ｃ_ｆは前輪のコーナリングフォース、Ｃ_ｒは後輪のコーナリングフォース、Ｌ_ｆは車両重心と前輪までの距離、Ｌ_ｒは車両重心と後輪までの距離である。

第１の車両運動モデルは、高車速時に特化した二輪モデルであり、車両の重心位置における横方向の運動と回転運動とに関する運動方程式を用いた動力学モデルである。このモデルは、タイヤが発生する力に応じた車両運動を計算できるため、特に旋回時に横加速度が生じるような高車速時の車両運動を精度良く表現できる。以下、第１の車両状態方程式を用いて、第１の車両運動モデルを表現する。

第１の車両状態方程式の車両状態量ｘおよび制御入力量ｕを、以下の数式（１）および数式（２）で定義する。

数式（１）および数式（２）において、ａ_ｘは前後加速度、ωは前輪舵角速度、ｊ_ｘは前後ジャークである。また、数式（１）における車両状態量ｘの各変数であるＸ、Ｙ、θ、Ｖ、γ、β、δ、およびａ_ｘは、内界センサ１１０の取得対象である第１の状態変数である。数式（１）に示すように、第１の状態変数の数は複数であるが、１つでもよい。なお、数式（１）および数式（２）において、車両状態量ｘおよび制御入力量ｕは縦ベクトルであり、簡略化のため転置行列を用いている。数式（１）および数式（２）の変数を用いた第１の車両状態方程式は、以下の数式（３）となる。

数式（３）において、ｘは車両状態量ｘを時間微分したものである。Ｉは車両のヨー慣性モーメント、Ｍは車両質量である。前輪のコーナリングフォースＣ_ｆおよび後輪のコーナリングフォースＣ_ｒは、前輪のコーナリングスティフネスＫ_ｆおよび後輪のコーナリングスティフネスＫ_ｒを用いると、以下の数式（４）および数式（５）となる。

数式（４）および数式（５）を数式（３）に代入すると、第１の車両状態方程式は、以下の数式（６）となる。

数式（６）において、ｆ_１は第１の車両状態方程式のベクトル関数である。

図３は、実施の形態１における第２の車両運動モデルの一例を示す模式図である。図３に示す変数は、図２を用いて説明した変数と同じである。

第２の車両運動モデルは、低車速時に特化した二輪モデルであり、車両の幾何学的モデルである。このモデルは、第１の車両運動モデルとは異なり、タイヤが発生する力を含まず、タイヤの方向に沿って車両が旋回するような低車速時の車両運動を精度良く表現できる。以下、第２の車両状態方程式を用いて、第２の車両運動モデルを表現する。

第２の車両状態方程式では、数式（１）および数式（２）の車両状態量ｘおよび制御入力量ｕが用いられる。すなわち、第１の車両状態方程式と同じ車両状態量ｘおよび制御入力量ｕが用いられる。第２の車両状態方程式は、以下の数式（７）となる。

数式（７）において、τはヨーレートと横滑り角との時定数、γ_ｋｍおよびβ_ｋｍはそれぞれ幾何学的な関係を用いた二輪モデルで計算できるヨーレートおよび横滑り角である。時定数τは、ヨーレートおよび横滑り角で別々の値でもよい。また、ヨーレートγ_ｋｍおよび横滑り角β_ｋｍは、それぞれ以下の数式（８）および数式（９）となる。

数式（８）および数式（９）を数式（７）に代入すると、第２の車両状態方程式は、以下の数式（１０）となる。

数式（１０）において、ｆ_２は第２の車両状態方程式のベクトル関数である。数式（６）の第１の車両状態方程式と、数式（１０）の第２の車両状態方程式とは、同じ車両状態量ｘおよび制御入力量ｕとを含むが、車両状態量ｘの各変数である第１の状態変数のうちヨーレートγと横滑り角βとに関する演算式が異なる。第１の車両状態方程式と第２の車両状態方程式とは、それぞれ数式（６）と数式（１０）とに限ったものではなく、第１の状態変数のうち一部あるいは全ての状態変数に関する演算式が異なるよう構成されていればよい。一例として、第２の車両状態方程式は、数式（１０）の代わりに、定常円旋回時における車両の横方向の運動と回転運動とに関する運動方程式でもよい。この運動方程式は、第１の車両状態方程式とは異なり、過渡的な運動を表現できないが、低車速時の車両運動を精度よく表現できる。この場合の第２の車両状態方程式は、以下の数式（１１）となる。

数式（１１）において、γ_ｓｓｔおよびβ_ｓｓｔはそれぞれ定常円旋回でのヨーレートおよび横滑り角である。ヨーレートγ_ｓｓｔおよび横滑り角β_ｓｓｔは、それぞれ以下の数式（１２）および数式（１３）となる。

数式（１２）および数式（１３）において、Ａはスタビリティファクタであり、以下の数式（１４）となる。

数式（６）の第１の車両状態方程式では、車速Ｖが０ｋｍ／ｈ付近において値が発散してしまうような演算式が含まれるため、低車速での精度が悪くなる。一方、数式（１０）の第２の車両状態方程式では、前輪舵角δによるヨーレートγと横滑り角βとの変動のみを考慮し、車両に発生する力を考慮していないため、旋回時に遠心力が生じるような高車速での精度が悪くなる。そこで、全ての車速で精度が維持されるよう、第１の車両状態方程式と第２の車両状態方程式とに対し、以下の数式（１５）の第１の重み関数を用いて重み付けを行う。

数式（１５）において、Ｖ_ｓは、第１の車両状態方程式を解いた時の車両状態量と、第２の車両状態方程式を解いた時の車両状態量とが同じとなる車速である。図４は、実施の形態１における車速Ｖに対する第１の重み関数αの一例を示すグラフである。第１の重み関数αは、速度の関数であり、高車速では第１の車両状態方程式が支配的となり、低車速では第２の車両状態方程式が支配的となるように設定される。また、第１の重み関数αは、０から１の間の値を取る。数式（６）の第１の車両状態方程式と、数式（１０）の第２の車両状態方程式とに対し、数式（１５）の第１の重み関数を用いて重み付けされることで、第１の混合状態方程式が生成される。第１の混合状態方程式は、以下の数式（１６）となる。

数式（１６）において、ｆは第１の混合状態方程式のベクトル関数である。

図５は、実施の形態１における車速Ｖに対するヨーレートγの一例を示すグラフである。図５において、横軸は車速Ｖ、縦軸はヨーレートγである。また、破線Ｃ１は、数式（６）の第１の車両状態方程式からヨーレートγについて解いた時のグラフである。一点鎖線Ｃ２は、数式（１０）の第２の車両状態方程式からヨーレートγについて解いた時のグラフである。実線Ｃ３は、数式（１６）の第１の混合状態方程式からヨーレートγについて解いた時のグラフである。

実線Ｃ３は、高車速では破線Ｃ１と良く一致し、低車速では一点鎖線Ｃ２と良く一致する。すなわち、数式（１６）の第１の混合状態方程式を用いることで、あらゆる車速について高精度にヨーレートγを演算できる。また、実線Ｃ３は、破線Ｃ１と一点鎖線Ｃ２とが交差する点、すなわち車速ＶがＶ_ｓとなる点においても不連続とならずに済む。更に、数式（１６）の第１の混合状態方程式では、第１の車両状態方程式および第２の車両状態方程式に含まれる車両状態量ｘおよび制御入力量ｕが用いられるため、第１の車両状態方程式および第２の車両状態方程式を個別に演算する場合に比べ、演算負荷はほとんど変わらない。なお、ここでは第１の状態変数のうち演算式が異なる状態変数の１つとしてヨーレートγのグラフのみを示したが、横滑り角βについても同様の結果となった。

本実施の形態では、車両状態方程式は第１の車両状態方程式および第２の車両状態方程式としたが、複数であればよく、第３の車両状態方程式を追加してもよい。例えば、第３の車両状態方程式は、高車速と低車速の間の車速について精度が良い運動方程式である。この第３の車両状態方程式に対しても、第１の重み関数を用いて重み付けされる。

また、第１の重み関数は、数式（１５）に示すように車速Ｖの２次項を含む関数であるが、０から１の間の値を取るように設定すれば、数式（１５）に限定されない。例えば、車速Ｖの２次項ではなく多次項を含む関数、あるいは指数関数などでもよい。また、第１の重み関数は、第１の状態変数のうち一部の状態変数の関数であればよく、車速Ｖ以外の関数でもよい。更に、第１の重み関数は１つではなく複数でもよい。例えば、第１の重み関数として、以下の数式（１７）および数式（１８）の２つの関数を設定してもよい。

数式（１７）において、Ｖ_ｓ１は第１の車両状態方程式を解いた時のヨーレートγと、第２の車両状態方程式を解いた時のヨーレートγとが同じとなる車速である。数式（１８）において、Ｖ_ｓ１は第１の車両状態方程式を解いた時の横滑り角βと、第２の車両状態方程式を解いた時の横滑り角βとが同じとなる車速である。第１の車両状態方程式と第２の車両状態方程式とに対し、数式（１７）および数式（１８）の重み関数を用いて重み付けされることで第１の混合状態方程式が生成される。第１の混合状態方程式は以下の数式（１９）となる。

次に、目標値演算部２４０について説明する。目標値演算部２４０は、数式（１６）の第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて、目標経路に沿って走行するための車両への目標制御値を演算する。具体的には、目標値演算部２４０は、現在の時刻０から所定周期ｄｔ秒の間隔で、所定時間Ｎ・ｄｔ秒後までの車両の挙動を予測し、評価関数を最小化する制御入力量ｕを求める最適化問題を一定期間ごとに解くことで、最適な目標制御値を演算する。目標制御値は、目標操舵量および目標加減速量である。目標値演算部２４０は、以下の数式（２０）に示す制約付き最適化問題を一定期間ごとに解く。

数式（２０）において、Ｊは評価関数、ｘ_０は初期値、ｇは制約に関するベクトル関数である。初期値ｘ_０は、時刻０における各々の第１の状態変数の現在値に相当する。本実施の形態では、数式（２０）における最適化問題を最小化問題として扱うが、評価関数Ｊの符号を反転させることで最大化問題として扱うこともできる。評価関数Ｊとして、以下の数式（２１）を用いる。

数式（２１）において、ｋは０からＮの値を取る予測点であり、Ｎは終端である。ｘ_ｋは予測点ｋにおける車両状態量、ｕ_ｋは予測点ｋにおける制御入力量、ｈは評価項目に関するベクトル関数、ｈ_Ｎは終端における評価項目に関するベクトル関数、ｒ_ｋは予測点ｋにおける目標値、ｒ_Ｎは終端における目標値、Ｗは予測点ｋにおける各評価項目に対する重みを対角成分に有する対角行列、Ｗ_Ｎは終端における各評価項目に対する重みを対角成分に有する対角行列である。行列ＷおよびＷ_Ｎは、パラメータとして適宜変更可能である。評価項目に関するベクトル関数ｈはおよびｈ_Ｎを、それぞれ以下の数式（２２）および数式（２３）のように設定する。

数式（２２）において、ｅ_Ｙ，ｋ，ｅ_θ，ｋ，およびｅ_Ｖ，ｋは、それぞれ予測点ｋにおける目標経路、目標方位角、および目標車速に対する追従誤差である。ω_ｋは予測点ｋにおける前輪舵角速度、ｊ_ｋは予測点ｋにおける前後ジャークである。経路追従誤差ｅ_Ｙ，ｋ，方位角追従誤差ｅ_θ，ｋ，車速追従誤差ｅ_Ｖ，ｋ、前輪舵角速度ω_ｋ、および前後ジャークｊ_ｋが小さくなるよう、目標値ｒ_ｋおよびｒ_Ｎをそれぞれ以下の数式（２４）および数式（２５）のように設定する。

ここでは、経路追従誤差ｅ_Ｙ，ｋ，方位角追従誤差ｅ_θ，ｋ，車速追従誤差ｅ_Ｖ，ｋ、前輪舵角速度ω_ｋ、および前後ジャークｊ_ｋを評価するよう設定したが、車両の乗り心地を向上させるために、前後加速度ａ_ｘおよびヨーレートγなどを評価項目に加えてもよい。

ベクトル関数ｇは、制約付き最適化問題において、車両状態量ｘおよび制御入力量ｕの上下限値を設定するためのものであり、最適化はｇ（ｘ，ｕ）≦０の条件のもとで実行される。ベクトル関数ｇを、以下の数式（２６）のように設定する。

数式（２６）において、ω_ｍａｘおよびω_ｍｉｎはそれぞれ前輪舵角速度の上限値および下限値である。ｊ_ｍａｘおよびｊ_ｍｉｎはそれぞれ前後ジャークの上限値および下限値である。前輪舵角速度ω_ｋおよび前後ジャークｊ_ｋの上下限値を設定することで、車両の乗り心地を確保するための車両制御を行うことができる。なお、更に乗り心地を向上させるために、前後加速度ａ_ｘおよびヨーレートγなどにも上下限値を設定してもよいし、制限速度を厳守するために車速Ｖにも上下限値を設定してもよい。

目標値演算部２４０は、数式（２０）に示す制約付き最適化問題を一定期間ごとに解く方法以外にも、第１の混合状態方程式を用いて目標制御値を演算するものであれば、何でもよい。例えば、最適レギュレータおよびＨ_∞制御などの公知の方法である。この場合でも、目標値演算部２４０は、第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて目標制御値を演算する。

図６は、実施の形態１における自動運転の手順の一例を示すフローチャートである。

図６に示すように、図示しない手段により自動運転が開始されると、混合状態方程式生成部２１０は、複数の車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成する（ステップＳＴ１）。複数の車両状態方程式とは、例えば数式（６）の第１の車両状態方程式と、数式（１０）の第２の車両状態方程式とである。

車両状態取得部２２０は、内界センサ１１０により各々の第１の状態変数の現在値を取得する（ステップＳＴ２）。

目標経路生成部２３０は、外界センサ１２０により取得される周辺情報に基づいて、車両の目標経路を生成する（ステップＳＴ３）。

目標値演算部２４０は、第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて、目標経路に沿って走行するための車両への目標制御値を演算する（ステップＳＴ４）。すなわち、目標値演算部２４０は、数式（２０）の最適化問題を解くことで、目標制御値を演算する。

制御部３１０は、目標制御値に車両が追従するよう、アクチュエータを制御する（ステップＳＴ５）。

図示しない手段により、自動運転を継続するか否かが判定される（ステップＳＴ６）。

ステップＳＴ６の判定が「Ｙｅｓ」の場合は、処理はステップＳＴ２に戻り、自動運転が継続される。ステップＳＴ６の判定が「Ｎｏ」の場合は、自動運転が終了する。自動運転が終了するケースは、例えば車両が目標経路から逸脱して異常走行したと判定された時に、自動運転が強制終了するケースである。この場合、その場で車両を一時停車させるなどの処理が行われる。

以上で説明した実施の形態１によれば、複数の車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成し、第１の混合状態方程式を用いて目標制御値を演算するため、演算負荷の増加を抑えつつ、目標制御値を精度良く演算することができる。

実施の形態２．
実施の形態１では、数式（１）の車両状態量ｘの各変数は全て、内界センサ１１０の取得対象である第１の状態変数としたが、内界センサ１１０の測定誤差などにより正常に取得できない場合がある。このような場合、後に説明する車両状態推定部２６０により、正常に取得できない状態変数を推定する。

図７は、実施の形態２における制御演算装置２００ａの一例を示すブロック図である。図７は、車両状態推定部２６０を備える点、混合状態方程式生成部２１０の代わりに混合状態方程式生成部２５０を備える点、および目標値演算部２４０の代わりに目標値演算部２７０を備える点で、図１とは異なる。混合状態方程式生成部２５０、車両状態推定部２６０、および目標値演算部２７０以外は、図１に示すものと同じであるため、説明を省略する。

混合状態方程式生成部２５０は、車両に設置された内界センサ１１０の取得対象である１つ以上の第１の状態変数と、内界センサ１１０の取得対象ではなく推定対象である１つ以上の第２の状態変数とが含まれる車両状態方程式を複数生成する。混合状態方程式生成部２５０は、各々の車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成する。混合状態方程式生成部２５０は、第１の混合状態方程式を車両状態推定部２６０と目標値演算部２７０とに出力する。第１の状態変数は、内界センサ１１０により正常に取得される状態変数である。第２の状態変数は、内界センサ１１０の測定誤差などにより正常に取得されない状態変数である。すなわち、数式（１）の車両状態量ｘは、第１の状態変数と第２の状態変数とで構成される。第１の状態変数の数は、１つでもよいし、複数でもよい。また、第２の状態変数の数は、１つでもよいし、複数でもよい。

車両状態方程式は、ここでは数式（６）の第１の車両状態方程式と、数式（１０）の第２の車両状態方程式とであるが、これに限定されない。第１の状態変数と第２の状態変数とのうち一部あるいは全ての状態変数に関する演算式が異なるよう構成されていればよい。また、第１の重み関数は、第１の状態変数と第２の状態変数とのうち一部の状態変数の関数である。すなわち、第１の重み関数は、第１の状態変数のうちの一部の状態変数の関数でもよいし、第２の状態変数のうちの一部の状態変数の関数でもよいし、第１の状態変数のうちの一部の状態変数と第２の状態変数のうちの一部の状態変数との関数でもよい。

車両状態推定部２６０は、第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて、各々の第２の状態変数の現在値を推定する。車両状態推定部２６０は、各々の第２の状態変数の現在値を目標値演算部２７０に出力する。一例として、重心位置ＸおよびＹ、方位角θ、車速Ｖ、前輪舵角δ、および前後加速度ａ_ｘを取得するための内界センサ１１０が正常であり、ヨーレートγおよび横滑り角βを取得するための内界センサ１１０に測定誤差が発生したとする。この場合、数式（１）において第１の状態変数は、車両の重心位置ＸおよびＹ、方位角θ、車速Ｖ、前輪舵角δ、および前後加速度ａ_ｘである。第２の状態変数は、ヨーレートγおよび横滑り角βである。第１の状態変数の現在値は、車両状態取得部２２０により取得される。第２の状態変数の現在値は、第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて、公知の手法により推定される。公知の手法とは、例えばカルマンフィルタ、粒子フィルタ、およびＭＨＥ（ＭｏｖｉｎｇＨｏｒｉｚｏｎＥｓｔｉｍａｔｉｏｎ）などである。ここでは、正常に取得されない状態変数を第２の状態変数としているが、正常に取得される状態変数も第２の状態変数として推定してもよい。また、車両状態推定部２６０は、目標値演算部２７０に含まれてもよい。

目標値演算部２７０は、第１の混合状態方程式と各々の第１の状態変数の現在値と各々の第２の状態変数の現在値とに基づいて、目標経路に沿って走行するための車両への目標制御値を演算し、車両を制御する制御部に対し目標制御値を出力する。目標値演算部２７０は、数式（２０）に示す制約付き最適化問題を一定期間ごとに解くことで、目標制御値を演算する。なお、数式（２０）において、初期値ｘ_０は、時刻０における各々の第１の状態変数の現在値と各々の第２の状態変数の現在値とである。

図８は、実施の形態２における自動運転の手順の一例を示すフローチャートである。図８のステップＳＴ２、ＳＴ３、ＳＴ５およびＳＴ６は、図６のステップＳＴ２、ＳＴ３、ＳＴ５およびＳＴ６と同じであるため、ここでは詳細説明を省略する。

図８に示すように、図示しない手段により自動運転が開始されると、混合状態方程式生成部２５０は、複数の車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成する（ステップＳＴ７）。複数の車両状態方程式とは、例えば数式（６）の第１の車両状態方程式と、数式（１０）の第２の車両状態方程式とである。

車両状態推定部２６０は、第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて、各々の第２の状態変数の現在値を推定する（ステップＳＴ８）。

目標値演算部２７０は、第１の混合状態方程式と各々の第１の状態変数の現在値と各々の第２の状態変数の現在値とに基づいて、目標経路に沿って走行するための車両への目標制御値を演算する（ステップＳＴ９）。すなわち、目標値演算部２７０は、数式（２０）に示す最適化問題を解くことで、目標制御値を演算する。

ステップＳＴ６の判定が「Ｙｅｓ」の場合は、処理はステップＳＴ２に戻り、自動運転が継続される。ステップＳＴ６の判定が「Ｎｏ」の場合は、自動運転が終了する。

上記では、第１の混合状態方程式を用いて第２の状態変数の現在値が推定され、目標制御値が演算される。この代わりに、第１の混合状態方程式を用いて第２の状態変数の現在値が推定され、第２の混合状態方程式を用いて目標制御値が演算されてもよい。第２の混合状態方程式は、第１の混合状態方程式の一部の演算式で構成される。すなわち、混合状態方程式生成部２５０は、第１の混合状態方程式の一部の演算式で構成される第２の混合状態方程式を生成する。混合状態方程式生成部２５０は、第１の混合状態方程式を車両状態推定部２６０に出力し、第２の混合状態方程式を目標値演算部２７０に出力する。また、目標値演算部２７０は、第１の混合状態方程式と第２の混合状態方程式と各々の第１の状態変数の現在値と各々の第２の状態変数の現在値とに基づいて、目標制御値を演算する。具体的には、目標値演算部２７０は、第２の混合状態方程式と、各々の第１の状態変数の現在値と、第１の混合状態方程式と各々の第１の状態変数とにより推定された各々の第２の状態変数の現在値とに基づいて、目標制御値を演算する。一例として、数式（１６）の第１の混合状態方程式に対し、第２の混合状態方程式は以下の数式（２７）となる。

数式（２７）において、第２の混合状態方程式は、数式（１９）の第１の混合状態方程式に対し、車両の重心位置ＸおよびＹに関する演算式が削除されたものである。

図９は、実施の形態２における自動運転の手順の別の一例を示すフローチャートである。具体的には、図９は、混合状態方程式生成部２５０が第２の混合状態方程式を生成した場合のフローチャートである。図９のステップＳＴ２、ＳＴ３、ＳＴ５、ＳＴ６、ＳＴ７およびＳＴ８は、図８のステップＳＴ２、ＳＴ３、ＳＴ５、ＳＴ６、ＳＴ７およびＳＴ８と同じであるため、ここでは詳細説明を省略する。

図９に示すように、図示しない手段により自動運転が開始されると、混合状態方程式生成部２５０は、第１の混合状態方程式を生成する（ステップＳＴ７）。

混合状態方程式生成部２５０は、第１の混合状態方程式の一部の演算式で構成される第２の混合状態方程式を生成する（ステップＳＴ１０）。

目標値演算部２７０は、第２の混合状態方程式と各々の第１の状態変数の現在値と各々の第２の状態変数の現在値とに基づいて、目標経路に沿って走行するための車両への目標制御値を演算する（ステップＳＴ１１）。車両状態推定部２６０が目標値演算部２７０に含まれる場合、ステップＳＴ８の処理は不要となる。その代わりに、ステップＳＴ１１では、目標値演算部２７０は、第１の混合状態方程式と第２の混合状態方程式と各々の第１の状態変数の現在値と各々の第２の状態変数の現在値とに基づいて、目標制御値を演算する。

上記に示したように、目標制御値を演算する際に第２の混合状態方程式を用いることで、演算負荷を抑えることができる。

以上で説明した実施の形態２によれば、第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて第２の状態変数の現在値を推定することで、内界センサ１１０により正常に取得されない状態変数についても精度良く推定することができる。

実施の形態３．
実施の形態１および２では、外界センサ１２０により取得される周辺情報に基づいて、目標経路が生成される。しかし、外界センサ１２０の測定誤差などにより正常に取得できない場合がある。このような場合、後に説明する目標経路生成部２９０により、正常に取得できない状態変数を推定し、目標経路が生成される。

図１０は、実施の形態３における制御演算装置２００ｂの一例を示すブロック図である。図１０は、混合状態方程式生成部２１０の代わりに混合状態方程式生成部２８０を備える点、および目標経路生成部２３０の代わりに目標経路生成部２９０を備える点で、図１とは異なる。混合状態方程式生成部２８０および目標経路生成部２９０以外は、図１に示すものと同じであるため、説明を省略する。

混合状態方程式生成部２８０は、車両に設置された外界センサ１２０の取得対象である１つ以上の第３の状態変数と、外界センサ１２０の取得対象ではなく推定対象である１つ以上の第４の状態変数とが含まれる周辺状態方程式を複数生成する。混合状態方程式生成部２８０は、各々の周辺状態方程式に対し第２の重み関数を用いて重み付けを行うことで第３の混合状態方程式を生成する。混合状態方程式生成部２８０は、第３の混合状態方程式を目標経路生成部２９０と目標値演算部２４０とに出力する。第３の混合状態方程式は、特に外界センサ１２０により取得される周辺情報のうち、他車両について適用することができる。第３の状態変数は、外界センサ１２０により正常に取得される状態変数である。第４の状態変数は、外界センサ１２０の測定誤差などにより正常に取得されない状態変数である。周辺状態方程式に含まれる車両状態量ｘは、第３の状態変数と第４の状態変数とで構成される。すなわち、混合状態方程式生成部２８０は、実施の形態１または２における第１の混合状態方程式と、実施の形態２における第２の混合状態方程式とに加え、第３の混合状態方程式を生成する。第３の状態変数の数は、１つでもよいし、複数でもよい。また、第４の状態変数の数は、１つでもよいし、複数でもよい。

実施の形態１または２における車両状態方程式と、実施の形態３における周辺状態方程式とは、同じであっても異なっていてもよい。但し、周辺状態方程式は、第３の状態変数と第４の状態変数とのうち一部あるいは全ての状態変数に関する演算式が異なるよう構成される。また、実施の形態１または２における第１の重み関数と、実施の形態３における第２の重み関数とは、同じであっても異なっていてもよい。但し、第２の重み関数は、第３の状態変数と第４の状態変数とのうち一部の状態変数の関数である。すなわち、第２の重み関数は、第３の状態変数のうちの一部の状態変数の関数でもよいし、第４の状態変数のうちの一部の状態変数の関数でもよいし、第３の状態変数のうちの一部の状態変数と第４の状態変数のうちの一部の状態変数との関数でもよい。同様に、第１の混合状態方程式と第３の混合状態方程式とは同じであっても異なっていてもよい。第１の混合状態方程式と第３の混合状態方程式とが同じ場合、第２の混合状態方程式と第３の混合状態方程式とは異なる。第１の混合状態方程式と第３の混合状態方程式とが異なる場合、第２の混合状態方程式と第３の混合状態方程式とは同じであっても異なっていてもよい。

目標経路生成部２９０は、外界センサにより各々の第３の状態変数の現在値を取得し、第３の混合状態方程式と各々の第３の状態変数の現在値とに基づいて各々の第４の状態変数の現在値を推定し、各々の第３の状態変数の現在値と各々の第４の状態変数の現在値とに基づいて前記目標経路を生成する。目標経路生成部２９０は、目標経路を目標値演算部２４０に出力する。第４の状態変数の現在値を推定する手法は、例えばカルマンフィルタ、粒子フィルタ、およびＭＨＥなどの公知の手法である。

図１１は、実施の形態３における自動運転の手順の一例を示すフローチャートである。図１１のステップＳＴ１、ＳＴ２、ＳＴ４、ＳＴ５およびＳＴ６は、図６のステップＳＴ１、ＳＴ２、ＳＴ４、ＳＴ５およびＳＴ６と同じであるため、ここでは詳細説明を省略する。

図１１に示すように、図示しない手段により自動運転が開始されると、混合状態方程式生成部２８０は、第１の混合状態方程式を生成する（ステップＳＴ１）。

混合状態方程式生成部２８０は、複数の周辺状態方程式に対し第２の重み関数を用いて重み付けを行うことで第３の混合状態方程式を生成する（ステップＳＴ１２）。

目標経路生成部２９０は、外界センサにより各々の第３の状態変数の現在値を取得し、第３の混合状態方程式と各々の第３の状態変数の現在値とに基づいて各々の第４の状態変数の現在値を推定し、各々の第３の状態変数の現在値と各々の第４の状態変数の現在値とに基づいて目標経路を生成する（ステップＳＴ１３）。

目標値演算部２４０は、第１の混合状態方程式と各々の第１の状態変数の現在値とに基づいて、目標経路に沿って走行するための車両への目標制御値を演算する（ステップＳＴ４）。

なお、図１１は、実施の形態１に対し混合状態方程式生成部２８０および目標経路生成部２９０を適用した場合のフローであるが、実施の形態２に対しても混合状態方程式生成部２８０および目標経路生成部２９０を適用可能である。

以上で説明した実施の形態３によれば、複数の周辺状態方程式に対し第２の重み関数を用いて重み付けを行うことで第３の混合状態方程式を生成し、第３の混合状態方程式と各々の第３の状態変数の現在値とに基づいて第４の状態変数の現在値を推定し、第３の状態変数の現在値と第４の状態変数の現在値とに基づいて目標経路を生成する。これにより、外界センサの取得対象である第３の状態変数以外の状態変数も用いて目標経路を生成するため、目標経路を精度良く生成できる。

ここで、実施の形態１から３における制御演算装置２００、２００ａ、２００ｂ、および制御部３１０のハードウェア構成について説明する。制御演算装置２００、２００ａ、２００ｂ、および制御部３１０の各機能は、処理回路によって実現し得る。処理回路は、少なくとも１つのプロセッサと少なくとも１つのメモリとを備える。

図１２は、実施の形態１から３における制御演算装置２００、２００ａ、２００ｂ、および制御部３１０のハードウェア構成を示す図である。制御演算装置２００、２００ａ、２００ｂ、および制御部３１０は、図１２（ａ）に示すプロセッサ４００およびメモリ５００によって実現することができる。プロセッサ４００は、例えばＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、ＤＳＰ（ＤｉｇｉｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｏｒ）ともいう）またはシステムＬＳＩ（ＬａｒｇｅＳｃａｌｅＩｎｔｅｇｒａｔｉｏｎ）である。

メモリ５００は、例えばＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（ＥｒａｓａｂｌｅＰｒｏｇｒａｍｍａｂｌｅＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＥＥＰＲＯＭ（登録商標）（ＥｌｅｃｔｒｉｃａｌｌｙＥｒａｓａｂｌｅＰｒｏｇｒａｍｍａｂｌｅＲｅａｄ－ＯｎｌｙＭｅｍｏｒｙ）などの不揮発性または揮発性の半導体メモリ、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、またはＤＶＤ（ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｋ）などである。

制御演算装置２００、２００ａ、２００ｂ、および制御部３１０の各部の機能は、ソフトウェアなど（ソフトウェア、ファームウェア、またはソフトウェアとファームウェア）により実現される。ソフトウェアなどはプログラムとして記述され、メモリ５００に格納される。プロセッサ４００は、メモリ５００で記憶されているプログラムを読み出して実行することにより、各部の機能を実現する。すなわち、このプログラムは、制御演算装置２００、２００ａ、２００ｂ、および制御部３１０の手順または方法をコンピュータに実行させるものであると言える。

プロセッサ４００が実行するプログラムは、インストール可能な形式または実行可能な形式のファイルで、コンピュータが読み取り可能な記憶媒体に記憶されてコンピュータプログラムプロダクトとして提供されてもよい。また、プロセッサ４００が実行するプログラムは、インターネットなどのネットワーク経由で制御演算装置２００、２００ａ、２００ｂ、および制御部３１０に提供されてもよい。

また、制御演算装置２００、２００ａ、２００ｂ、および制御部３１０は、図１２（ｂ）に示す専用の処理回路６００によって実現してもよい。処理回路６００が専用のハードウェアである場合、処理回路６００は、例えば単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（ＡｐｐｌｉｃａｔｉｏｎＳｐｅｃｉｆｉｃＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－ＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙ）、またはこれらを組み合わせたものなどが該当する。

以上、制御演算装置２００、２００ａ、２００ｂ、および制御部３１０の各構成要素の機能が、ソフトウェアなど、またはハードウェアのいずれか一方で実現される構成について説明した。しかしこれに限ったものではなく、制御演算装置２００、２００ａ、２００ｂ、および制御部３１０の一部の構成要素をソフトウェアなどで実現し、別の一部を専用のハードウェアで実現する構成であってもよい。

１１０内界センサ、１２０外界センサ、２００，２００ａ，２００ｂ制御演算装置、２１０，２５０，２８０混合状態方程式生成部、２２０車両状態取得部、２３０，２９０目標経路生成部、２４０，２７０目標値演算部、３１０制御部、４００プロセッサ、５００メモリ、６００処理回路。

Claims

車両に設置された内界センサの取得対象である１つ以上の第１の状態変数が含まれる車両状態方程式を複数生成し、各々の前記車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成する混合状態方程式生成部と、
前記内界センサにより各々の前記第１の状態変数の現在値を取得する車両状態取得部と、
前記車両に設置された外界センサにより取得される周辺情報に基づいて、前記車両の目標経路を生成する目標経路生成部と、
前記第１の混合状態方程式と各々の前記第１の状態変数の現在値とに基づいて、前記目標経路に沿って走行するための前記車両への目標制御値を演算し、前記車両を制御する制御部に対し前記目標制御値を出力する目標値演算部と、
を備える制御演算装置。
車両に設置された内界センサの取得対象である１つ以上の第１の状態変数と、前記内界センサの取得対象ではなく推定対象である１つ以上の第２の状態変数とが含まれる車両状態方程式を複数生成し、各々の前記車両状態方程式に対し第１の重み関数を用いて重み付けを行うことで第１の混合状態方程式を生成する混合状態方程式生成部と、
前記内界センサにより各々の前記第１の状態変数の現在値を取得する車両状態取得部と、
前記第１の混合状態方程式と各々の前記第１の状態変数の現在値とに基づいて、各々の前記第２の状態変数の現在値を推定する車両状態推定部と、
前記車両に設置された外界センサにより取得される周辺情報に基づいて、前記車両の目標経路を生成する目標経路生成部と、
前記第１の混合状態方程式と各々の前記第１の状態変数の現在値と各々の前記第２の状態変数の現在値とに基づいて、前記目標経路に沿って走行するための前記車両への目標制御値を演算し、前記車両を制御する制御部に対し前記目標制御値を出力する目標値演算部と、
を備える制御演算装置。
前記混合状態方程式生成部は、前記第１の混合状態方程式の一部の演算式で構成される第２の混合状態方程式を生成し、
前記目標値演算部は、前記第１の混合状態方程式と前記第２の混合状態方程式と各々の前記第１の状態変数の現在値と各々の前記第２の状態変数の現在値とに基づいて、前記目標制御値を演算する請求項２に記載の制御演算装置。
各々の前記車両状態方程式は、前記第１の状態変数のうち一部あるいは全ての状態変数に関する演算式が異なるよう構成される請求項１に記載の制御演算装置。
各々の前記車両状態方程式は、前記第１の状態変数と前記第２の状態変数とのうち一部あるいは全ての状態変数に関する演算式が異なるよう構成される請求項２または３に記載の制御演算装置。
前記第１の重み関数は、前記第１の状態変数のうち一部の状態変数の関数である請求項１または４に記載の制御演算装置。
前記第１の重み関数は、前記第１の状態変数と前記第２の状態変数とのうち一部の状態変数の関数である請求項２、３または５のいずれか１項に記載の制御演算装置。
前記混合状態方程式生成部は、前記外界センサの取得対象である１つ以上の第３の状態変数と、前記外界センサの取得対象ではなく推定対象である１つ以上の第４の状態変数とが含まれる周辺状態方程式を複数生成し、各々の前記周辺状態方程式に対し第２の重み関数を用いて重み付けを行うことで第３の混合状態方程式を生成し、
前記目標経路生成部は、前記外界センサにより各々の前記第３の状態変数の現在値を取得し、前記第３の混合状態方程式と各々の前記第３の状態変数の現在値とに基づいて各々の前記第４の状態変数の現在値を推定し、各々の前記第３の状態変数の現在値と各々の前記第４の状態変数の現在値とに基づいて前記目標経路を生成する請求項１から７のいずれか１項に記載の制御演算装置。
各々の前記周辺状態方程式は、前記第３の状態変数と前記第４の状態変数とのうち一部あるいは全ての状態変数に関する演算式が異なるよう構成される請求項８に記載の制御演算装置。
前記第２の重み関数は、前記第３の状態変数と前記第４の状態変数とのうち一部の状態変数の関数である請求項８または９に記載の制御演算装置。