JPWO2018029789A1 - 自動運転車両の制御方法及び制御装置 - Google Patents

Abstract

自動運転車両の走行状況に対する乗員の関心度を検出する関心度検出部（１）と、自動運転車両の走行状況に基づいて、手動運転特性を学習する手動運転特性学習部（７）と、自動運転車両の周囲状況に基づいて、自動運転特性を設定する自動運転特性設定部（８）を有する。更に、乗員の車両走行に対する関心度を判定する関心度判定部（１２）と、関心度判定部（１２）にて、関心度が高いと判定された場合には、手動運転学習部（７）で学習された手動運転特性に基づいて運転特性を設定し、関心度が低いと判定された場合には、自動運転設定部（８）で設定された自動運転特性を設定する運転特性設定部（１３）を備える。

Description

本発明は、自動運転車両の制御方法及び制御装置に関する。

特許文献１には、車両の搭乗者の生体情報を検出し、その生体情報に応じて運転操作を支援する技術が開示されている。

特開２０１４−７５００８号公報

しかしながら、特許文献１に開示された従来例は、乗員による走行状況に対する関心度について検討していないため、乗員の関心度に応じた自動運転制御を実行することができない。このため、乗員の意図を適切に反映した自動運転制御ができないという問題があった。

本発明は、このような従来の課題を解決するためになされたものであり、その目的とするところは、乗員の意図を適切に反映した自動運転制御が可能な自動運転車両の制御方法及び制御装置を提供することにある。

本発明の一態様は、自動運転車両の走行状況に対する乗員の関心度を検出し、関心度に応じた運転特性に基づいて車両を制御する。

本発明の一態様によれば、乗員の意図を適切に反映した自動運転を実行することが可能となる。

図１は、本発明の実施形態に係る自動運転車両の制御装置の構成を示すブロック図である。 図２は、本発明の実施形態に係る眼球状態検出部の構成を示すブロック図である。 図３は、本発明の実施形態に係る画像処理部の構成を示すブロック図である。 図４は、乗員の眼球、及び眼球に含まれる瞳の中心、及び反射光の中心を示す説明図である。 図５Ａは、自車両の前方状況、及び乗員の視線方向の移動を示す説明図である。 図５Ｂは、乗員の物体に対する注視、非注視を示す説明図である。 図６は、乗員の顔を撮影して瞬きパラメータを抽出する手順を示す説明図である。 図７は、時間経過に対する乗員の開眼度の変化を示すグラフである。 図８は、車両に搭載される関連スイッチ、及び非関連スイッチを示す説明図である。 図９は、会話判定部の詳細な構成を示すブロック図である。 図１０は、自車両状況検出部の詳細な構成を示すブロック図である。 図１１は、周囲状況検出部の詳細な構成を示すブロック図である。 図１２は、特徴点を検出する３つの方法を示す説明図である。 図１３は、検出された各特徴点についての、運転行動の学習の流れを示す説明図である。 図１４は、走行状況の分類を示す説明図である。 図１５は、他車両のデータを意味のある項目に分解する例を示す説明図である。 図１６は、手動運転特性学習部で学習される手動運転特性の例を示す説明図である。 図１７Ａは、自車両が自動運転特性を採用せずに巡航走行する場合の走行状況を示す説明図である。 図１７Ｂは、自車両が自動運転特性を採用して巡航走行する場合の走行状況を示す説明図である。 図１８Ａは、自車両が自動運転特性を採用せずに追従走行する場合の走行状況を示す説明図である。 図１８Ｂは、自車両が自動運転特性を採用して追従走行する場合の走行状況を示す説明図である。 図１９Ａは、自車両が自動運転特性を採用せずに交差点を通過する場合の走行状況を示す説明図である。 図１９Ｂは、自車両が自動運転特性を採用して交差点を通過する場合の走行状況を示す説明図である。 図２０Ａは、自車両が交差点で一旦停止した後右折する場合の、走行状況を示す説明図である。 図２０Ｂは、自車両が交差点で停止せずに右折する場合の、走行状況を示す説明図である。 図２１は、車両が交差点で一旦停止せずに右折する場合、一旦停止した後に右折する場合の頻度を示すグラフである。 図２２は、手動運転特性の確率分布を示す説明図である。 図２３は、本発明の実施形態に係る自動運転車両の制御装置の、処理手順を示すフローチャートである。 図２４は、眼球の動きに基づいて、関心度が基準値よりも高いか否かを判断する処理を示すフローチャートである。 図２５は、乗員が操作するスイッチの頻度に基づいて、関心度が基準値よりも高いか否かを判断する処理を示す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て説明する。図１は、本発明の一実施形態に係る自動運転車両の制御装置の構成を示すブロック図である。図１に示すように、自動運転車両の制御装置は、関心度検出部１と、走行状況検出部１４と、個人適合運転特性判定部４と、自動運転特性設定部８、及び運転特性切替部１１を備えている。
本実施形態で示す各機能は、１又は複数の処理回路により実装され得る。処理回路は、電気回路を含む処理装置を含む。処理装置は、また、実施形態に記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や従来型の回路部品のような装置を含む。

［関心度検出部１の説明］
関心度検出部１は、自車両の乗員（例えば、運転者）の自車両の現在の走行状況に対する関心度を検出し、関心度が基準値よりも高いか否かを判定する。関心度検出部１は、乗員の眼球の動きを検出する眼球状態検出部２と、車両に搭載される各種のスイッチ操作の頻度を検出するスイッチ操作検出部３と、乗員の会話を分析する会話判定部１６を備えている。眼球状態検出部２、スイッチ操作検出部３、及び会話判定部１６の検出結果は、運転特性切替部１１の関心度判定部１２に出力される。

＜眼球状態検出部２＞
図２は、眼球状態検出部２の構成を示すブロック図である。図２に示すように眼球状態検出部２は、乗員の眼球１８に向けて赤外線を照射する赤外線照明２１と、眼球１８の瞳１９で反射する赤外線を撮影する赤外線カメラ２０と、赤外線照明２１及び赤外線カメラ２０を制御する照明・カメラコントローラ２３と、を備えている。

更に、眼球状態検出部２は、車両の外部（例えば、車両前方）を撮影する車外カメラ１７で撮影された車外画像を取得し、この車外画像と赤外線カメラ２０で撮影された画像に基づいて、乗員の視線解析、瞬き解析等の処理を実行する画像処理部２２を備えている。そして、眼球状態検出部２は、乗員の眼球１８の動きに基づいて、乗員の視線方向を検出する。

図３は、眼球状態検出部２の構成を詳細に示すブロック図である。図３に示すように、赤外線カメラ２０は、レンズ２５と、可視光遮光フィルタ２６と、シャッタ・絞り２７、及び、赤外線イメージセンサ２８を備えている。そして、照明・カメラコントローラ２３の制御により、シャッタ・絞り２７及び赤外線イメージセンサ２８を制御して、眼球１８に照射した赤外線の反射光を撮影する。

画像処理部２２は、デジタルフィルタ２９と、画像処理用ＧＰＵ（Graphics Processing Unit）３０と、パラメータ抽出部３１を備えている。
デジタルフィルタ２９は、赤外線カメラ２０で撮影された画像、及び車外カメラ１７で撮影された画像をフィルタ処理する。

画像処理用ＧＰＵ３０は、赤外線カメラ２０で撮影された画像、及び車外カメラ１７で撮影された画像に基づいて、乗員の視線方向の解析、及び、乗員の瞬きの解析等の各種の画像処理を実施する。

パラメータ抽出部３１は、画像処理用ＧＰＵ３０により実施された画像処理にて得られる乗員の視線方向、及び車外カメラ１７で撮影された車外の画像に基づいて、車両周辺を注視しているか否かを示す「周辺注視パラメータ」を抽出する。更に、瞬きをしているか否かを示す「瞬きパラメータ」を抽出する。そして、パラメータ抽出部３１は、抽出した周辺注視パラメータ、瞬きパラメータを、図１に示す関心度判定部１２に出力する。

次に、眼球状態検出部２により、乗員の視線方向を検出する処理について、図４〜図７を参照して説明する。図４は乗員の眼球１８、眼球１８に含まれる瞳１９の中心ｒ１、及び、反射光の中心ｒ２を示す説明図である。

乗員の視線方向を検出する場合には、図２に示した赤外線照明２１にて、乗員の眼球１８に赤外線ビームを照射する。図４に示すように、赤外線ビームの反射光と瞳１９の中心を赤外線カメラ２０で検出する。更に、瞳１９の中心ｒ１から反射光の中心ｒ２までの出力ベクトルＲ１を演算する。

また、赤外線ビームの反射光の位置に基づいて、赤外線カメラ２０と反射光との位置関係を算出する。更に、赤外線カメラ２０と反射光との位置関係と、上記の出力ベクトルＲ１に基づいて、赤外線カメラ２０と、瞳１９の中心との位置関係を求める。その結果、乗員の視線方向、即ち、乗員が車両周囲のどの位置を見ているかを認識することができる。

次に、上述した周辺注視パラメータについて説明する。図５Ａは自車両の前方画像を示す説明図、図５Ｂは乗員の物体に対する注視、非注視を示す説明図である。車外カメラ１７で撮影される画像中に含まれる前方物体（他車両等）の存在位置と、乗員の視線が一致した場合には「視認」と定義する。例えば、図５Ａに示す先行車両ｅ１に乗員の視線が向いている場合には、乗員は先行車両ｅ１を視認していると判断する。路側に存在する車両ｅ２に乗員の視線が向いている場合には、乗員は車両ｅ２を視認していると判断する。

更に、視認が確認された後、眼球の運動角速度が１０［deg/s］以下の状態（視線が停留している状態）が、閾値時間τ１（例えば、１６５ｍsec）以上継続した場合に「注視」とする。その結果、図５Ｂに示すように、注視時間と非注視時間が得られる。一定時間内における注視時間の割合である周辺注視度Ｆ１［％］を下記（１）式で定義する。
Ｆ１＝Ｔａ／（Ｔａ＋Ｔｂ）＊１００ …（１）
（１）式において、Ｔａは一定時間内で対象物の注視時間、Ｔｂは一定時間内の非注視時間を示す。

乗員の周辺注視度が高いということは、この乗員は走行状況に対する関心度が高いと推定できる。上記（１）式で演算した周辺注視度Ｆ１を周辺注視パラメータとして、図１に示す関心度判定部１２に出力する。

次に、瞬きパラメータについて説明する。乗員が瞬きをしているか否かを示す瞬きパラメータの検出手順について、図６を参照して説明する。図６のステップｈ１では、赤外線カメラ２０にて乗員の顔画像７１を撮影する。ステップｈ２では、ｈ１の処理で撮影した顔画像７１から顔領域７２を抽出する。

ステップｈ３では、顔領域７２から特徴点を抽出した画像７３を取得する。ステップｈ４では、顔の特徴点から顔の姿勢を示す画像７４を取得する。ステップｈ５では、乗員の眼の画像から開眼部、閉眼部を認識する。開眼部、及び閉眼部に基づき、全開に対する開眼の割合を示す開眼度を求めることができる。ステップｈ６では、瞬きのパラメータを検出する。なお、ステップｈ１〜ｈ５に示す画像処理は、周知の技術であるので詳細な説明を省略する。

以下、ステップｈ６に示した瞬きパラメータの検出方法について説明する。図７は、時間経過に伴う乗員の開眼度の変化を示すグラフである。曲線Ｑ１に示すように、乗員の開眼度は周期的に変化している。最大開眼度となる時刻の間隔を瞬き間隔Ｔ１とする。また、開眼度が２０％以下の場合に、閉眼と定義して閉眼時間Ｔ２を演算する。最大開眼度は、各乗員毎に事前にキャリブレーションされている数値を用いる。

下記（２）式により、眼球１８の瞬き間隔に対する閉眼時間の割合を示す開閉挙動特徴量ＰＥを演算する。
ＰＥ＝（Ｔ２／Ｔ１）＊１００［％］ …（２）
また、最大開眼度となった時刻（例えば、ｔ１）から閉眼となった時刻（例えば、ｔ２）までの経過時間を測定し、閉眼速度Ｘ１[％／sec]を演算する。更に、開眼時の開眼度Ｘ２[％]を演算する。

上記の開閉挙動特徴量ＰＥが高いということは、乗員の閉眼の度合いが高いということであり、走行状況に対する関心度は低いといえる。換言すれば、開閉挙動特徴量ＰＥが予め設定した閾値（第２閾値ＰＥth）よりも低い場合に、乗員の走行状況に対する関心度が高いと推定できる。また、閉眼速度Ｘ１が高い、或いは開眼時の開眼度Ｘ２が高いということは、自車両の周囲を注視する度合が高いので、乗員の走行状況に対する関心度が高いと推定できる。
そして、閉眼速度Ｘ１、開眼時の開眼度Ｘ２及び、（２）式で演算した開閉挙動特徴量ＰＥを瞬きパラメータとして、図１に示す関心度判定部１２に出力する。

＜スイッチ操作検出部３＞
次に、スイッチ操作検出部３について説明する。スイッチ操作検出部３は、車両に搭載される各種の操作を検出し、検出データを図１に示す関心度判定部１２に出力する。車両に搭載される各種のスイッチを、車両走行と関連するスイッチ（以下、「関連スイッチ」という）と、車両走行と関連しないスイッチ（以下、「非関連スイッチ」という）に分類する。

図８に示すように、関連スイッチは、例えば速度設定スイッチ、車間距離設定スイッチ、車線変更スイッチ等である。一方、非関連スイッチは、例えば窓の開閉スイッチ、オーディオ操作スイッチ、ナビゲーション操作スイッチ、シート位置調整スイッチ、照明スイッチ等である。

後述するように、図１に示す関心度判定部１２は、関連スイッチの操作頻度（一定時間内に操作される回数）が高い場合には、乗員の走行状況に対する関心度は高いものと判定する。逆に、関連スイッチの操作頻度（一定時間内に操作される回数）が低い場合には、乗員の走行状況に対する関心度は低いものと判定する。また、非関連スイッチの操作頻度が高い場合には、乗員の走行状況に対する関心度は低いものと判定し、操作頻度が低い場合には、乗員の走行状況に対する関心度は高いものと判定する。

＜会話判定部１６＞
次に、会話判定部１６について説明する。図９に示すように、会話判定部１６は、音声を検出するマイク４２と、スピーカ４３と、乗員に対して各種の情報を提示する情報提示部４４と、乗員の会話を分析する分析部４５、を備えている。会話判定部１６は、乗員の音声とその他の音声を識別するために、予め登録された乗員の音声データを用いて乗員の音声を認識する。会話には、乗員とその他の乗員との会話の他に、乗員と車両との会話も含まれる。乗員の会話では、乗員の会話速度、声の大きさなど、音声を分析して関心度を検出するようにしても良い。例えば、乗員の会話速度が速い場合は、運転よりも会話に集中しているとして、関心度は低いと判定するようにしても良い。また、例えば、乗員の声の大きさが小さい場合は、乗員の独り言の可能性が高く、会話に集中していない状態として、関心度を高くするようにしてもよい。乗員と車両との会話は、情報提示部４４が、スピーカ４３から乗員に対して様々な会話（日常会話でもよくクイズでもよい）を投げかけることができる。例えば、「道路の制限速度は何ｋｍですか？」、「先行車両は何色ですか？」等の質問を投げかける。そして、マイク４２は、乗員の発話（音声）を検出し、分析部４５は、この会話に対する乗員の発話（音声）を認識し分析する。

そして、後述するように、関心度判定部１２は、会話判定部１６で分析された乗員の意識量を推定し、意識量が大きい場合に、関心度が高いと判定する。

［走行状況検出部１４の説明］
次に、図１に示す走行状況検出部１４について説明する。走行状況検出部１４は、自車両の走行状況を検出する自車両状況検出部６と、自車両の周囲の状況を検出する周囲状況検出部９を備えている。

自車両状況検出部６は、図１０に示すように、車速センサ３２で検出される車速データ、加速度センサ３３で検出される加速度データ、ステア角度センサ３４で検出されるステア角度データを取得して、これらの各データに基づいて自車両の走行状況を検出する。自車両状況検出部６で検出されたデータは、図１に示す手動運転特性学習部７に出力される。
周囲状況検出部９は、図１１に示すように、車両間隔検出部３５と、非車両検出部３６と、周辺車両種類検出部３７と、車線検出部３８と、道路種類検出部３９、及び交通情報検出部４０を備えている。

車両間隔検出部３５は、レーダー等により、自車両の前後左右の車両間隔を検出する。非車両検出部３６は、周囲を撮影するカメラで撮影された画像に基づいて、自車両の周囲に存在する歩行者、自転車等の車両以外の物体を検出する。
周辺車両種類検出部３７は、カメラで撮影された画像から、自車両の周囲に存在する車両を検出し、検出した車両の種類を検出する。例えば、乗用車、トラック、バス、バイク等を検出する。車線検出部３８は、カメラで撮影された画像から、道路の車線を検出する。

道路種類検出部３９は、ナビゲーション装置より得られる情報から道路種類を検出する。交通情報検出部４０は、ナビゲーション装置より得られる情報から交通情報を検出する。なお、以上に記した各種の情報は、車車間通信、路車間通信にて検出してもよく、ソナー等のその他のセンサにより検出することも可能である。周囲状況検出部９で検出されたデータは、図１に示す自動運転特性設定部８に出力される。

［個人適合運転特性判定部４の説明］
次に、図１に示す個人適合運転特性判定部４について説明する。個人適合運転特性判定部４は、自車両の手動運転時に乗員の運転特性を学習する手動運転特性学習部７と、手動運転特性を記憶する手動運転特性データベース５を備えている。

手動運転特性学習部７は、乗員が手動運転したときの各種の運転特性を取得して、手動運転特性データベース５に蓄積する。この運転特性は、乗員の好みに合った運転特性であり、後述するように、自車両の走行状況に対する乗員の関心度が基準値よりも高いと判定された場合に採用する。以下、詳細に説明する。

手動運転特性学習部７は、自車両状況検出部６で検出された走行状況を示す各データ（図１０に示した各センサにより取得したデータ）から、乗員の運転特性を検出する。運転特性とは、乗員が手動運転を実行する場合の、車線変更時のタイミング、高速道路に進入するときの合流点、合流速度、車間距離、平均巡航速度、加減速度、ブレーキタイミング、ステアリング角速度、車線内の走行位置（左寄り、右寄り）、交差点における右折通過タイミング等である。そして、検出された各特徴点での運転行動を学習する。

運転特性を検出する方法としては、一般的に３つの学習方法が知られている。図１２は、３つの学習方法を示す説明図である。学習方法「１」では、人間の分析により学習する。学習方法「２」では、人間の知識、経験による仮説を設定し、更に、機械学習により学習する。学習方法「３」では、機械学習による完全自動で学習する。本実施形態では、一例として学習方法「２」の方法を採用して学習する。

図１３は、走行状況検出部１４により検出されたデータから特徴を学習する流れを示す説明図である。まず、ステップａ１にて、走行状況検出部１４からデータを収集する。自車両の走行状況と周囲状況を、データとして収集する。データを収集した後、ステップａ２において、必要な属性データを抽出する。走行状況検出部１４が収集したデータが、運転行動と関連性があるとは限らず、運転行動と関連性の無いデータが学習の材料として使用されると、むしろ学習結果に悪影響を与える場合がある。このため、ステップａ２の処理では必要なデータ（属性データ）のみを抽出する。

ステップａ３において、前述のａ２の処理で抽出した属性データに含まれているノイズ等の学習に悪影響を与える要素を除去して、属性データを修正する。

ステップａ４において、属性データを意味のある項目（パラメータ）に分類する。図１５は、他車両のデータを意味のある項目に分類する例を示している。

具体的には、オブジェクト「１」〜オブジェクト「ｎ」の他車両が検出され、更に、各他車両の「種類」、「動き」、「ブレーキランプ」、「自車両との距離」が検出された場合には、これらの各データを再分類して「先行する車両の台数」、「先行するトラックの台数」、「先行する車両との間の距離」、等の各種の項目を取得する。

上述した図６のａ１〜ａ４の処理を前処理と定義し、ステップａ５において、前処理で生成されたパラメータを機械学習の入力とし、機械学習を実行する。機械学習のアルゴリズムとして、例えばＳＯＭ（Self Organizing Map)、ＳＶＣ(Support Vector Machine Classification)、ＳＧＤ(Stochastic Gradient Decent）、ロジスティックス回帰等を用いることができる。この機械学習により、走行している道路種別が出力される。図１４に示すように、各種の道路種別は（例えば、ｂ１〜ｂ８）に分類される。具体的には、高速道路を走行中の場合には「ｂ１．高速道路」とし、一般道路で片側２車線を走行中の場合には「ｂ２．幹線道路」とし、一般道路で片側１車線を走行中の場合には「ｂ３．非幹線道路」とし、一般道路の交差点を走行中の場合には「ｂ４．交差点」とする。また、一般道路または高速道路を走行中で先行車両が存在しない場合には「ｂ５．巡航走行」とし、一般道路または高速道路を走行中で先行車両が存在する場合には「ｂ６．追従走行」とし、一般道路の交差点で停止後再発進した場合には「ｂ７．交差点通過」とし、一般道路の交差点で右折した場合には「ｂ８．右折」に分類する。尚、この分類方法は、以上の内容に限られず、分類項目を多くしてもよいし、分類項目を少なくしてもよい。分類項目が多い場合は、以上に加えて、高速道路の合流地点、高速道路の分岐地点、幹線道路の右折専用車線、などを加えても良い。分類項目を少なくする場合は、高速道路、一般道の二つに絞り込むことも一例である。

ステップａ６において、学習により特定した道路種別と、その道路種別における運転特性を運転特性データベース５に保存する。以上のように、学習方法「２」では、図１３のステップａ１〜ａ５における分類項目を手動で設定し、ステップａ６では機械学習を通して自動で状況パラメータを生成する。

図１６は、手動運転特性学習部７で学習される手動運転特性の例を示す説明図であり、片側２車線の道路の左車線を自車両Ｖ１が時速６０ｋｍで走行し、右車線に２台の他車両Ｖ２、Ｖ３が時速８０ｋｍで走行している状況を示している。
この走行状況に対して、前述した手法により、走行状況の種類、前後の他車両との位置関係、道路情報（制限速度）、現在の車両の走行情報（例えば、走行速度）が取得される。

そして、機械学習のアルゴリズムを用いて有意なパラメータを算出する。その結果、例えば、巡航走行の場合には、制限速度の７５％（制限速度８０ｋｍ／ｈの道路を６０ｋｍ／ｈで走行）の速度で走行する、との学習結果が得られる。この学習結果は、手動運転特性データベース５に保存される。なお、本実施形態で示す巡航走行とは、先行車両との間の車間時間（車間距離を走行速度で除した数値）が２秒以上である状況が３０秒以上継続することと定義する。

［自動運転特性設定部８の説明］
次に、図１に示す自動運転特性設定部８について説明する。自動運転特性設定部８は、後述するように、乗員の走行状況に対する関心度が低い場合に選択する運転特性を設定する。以下、図１７〜図２０を参照して詳細に説明する。

図１７Ａ、図１７Ｂは、自車両が自動運転によって巡航走行しているときの、自動運転特性を決定する例を示す説明図である。入力パラメータとして、走行状況の種類（この場合は、巡航走行）、自車両の前方、後方を走行する他車両との位置関係、及び制限速度等の道路情報を取得する。そして、制限速度を超えない範囲で自車両の走行速度が周辺を走行する他車両の速度に合うように制御する。自車両の走行速度を他車両の走行速度に合わせることにより、渋滞を解消することができる。具体的には、図１７Ａに示すように、渋滞区間Ｐ１、Ｐ３が存在し、更にこれらの中間に円滑走行区間Ｐ２が存在する場合には、自車両の走行速度を他車両の走行速度に合わせることにより、図１７Ｂに示すように、渋滞を解消して全体を円滑走行区間Ｐ４とすることができる。

図１８Ａ、図１８Ｂは、自車両の前方を走行する先行車両に追従する追従走行している場合の自動運転特性を決定する例を示す説明図である。なお、本実施形態で示す追従走行とは、先行車両との間の車間時間が２秒未満である状況が３０秒以上継続することと定義する。入力パラメータとして、走行状況の種類（この場合は、追従走行）、自車両の前方、後方を走行する他車両との位置関係を取得する。先行車両との追突を回避可能な範囲で車間時間を短くする。即ち、図１８Ａに示すように、車間時間が４［sec］であったものを、図１８Ｂに示すように車間時間を２［sec］とする。その結果、車間時間が短くなるので、一定距離の区間を走行する車両数が多くなり、結果として渋滞を緩和することが可能となる。

図１９Ａ、図１９Ｂは、自車両が交差点で発進する際の自動運転特性を決定する例を示す説明図である。自車両が交差点にて信号機の赤色の点灯により停止し、その後緑色の点灯に切り替わって発進する場合を想定している。入力パラメータとして、走行状況の種類（この場合は、巡航走行）、自車両と先行車両との位置関係、及び信号機の情報を取得する。

そして、発進時には先行車両と追突しない範囲で該先行車両に対して、加速度、発進タイミングを合わせることで、緑色の点灯時間に交差点を通過する車両の台数を増加させることができる。即ち、発進時の制御を実行しない場合には、図１９Ａに示すように車両どうしの間隔が大きくなり、通過する車両台数が少ない。具体的には、ｚ１、ｚ２、ｚ３の３台が通過している。これに対して、自動運転特性を設定して発進を制御することにより、図１９Ｂに示すように、交差点を通過する車両の台数はｚ４、ｚ５、ｚ６、ｚ７の４台となり、通過車両を増加させることができる。

図２０Ａ、図２０Ｂ、図２１は、自車両Ｖ１が交差点で右折する場合に、一旦停止するか或いはそのまま右折するかを決定する例を示す説明図である。図２０Ａ、図２０Ｂに示すように、対向車両Ｖ３が交差点に到達するために要する時間を到達時間ｓ１とし、自車両が交差点に到達するために要する時間を到達時間ｓ２とする。そして到達時間ｓ１とｓ２の差分（ｓ１−ｓ２；これをギャップ時間Δｓとする）を演算し、このギャップ時間Δｓが、予め設定した閾値時間（例えば、６秒）よりも長い場合には、自車両Ｖ１は停止することなく交差点を右折する。一方、ギャップ時間Δｓが閾値時間以下である場合には、自車両Ｖ１は交差点で一旦停止する。

具体的には、図２０Ａに示すように、自車両Ｖ１が交差点に接近しており、対向車両Ｖ３が交差点に接近した位置を走行している場合（到達時間ｓ１が小さい場合）には、自車両Ｖ１は一旦停止し、対向車両Ｖ３が通過した後に右折する。この場合、後続車両Ｖ２は、交差点で一端停止した後、再発進して直進することになる。

一方、図２０Ｂに示すように、自車両Ｖ１が交差点に接近しており、対向車両Ｖ３が交差点から比較的離れた位置を走行している場合（到達時間ｓ１が大きい場合）には、自車両Ｖ１は交差点で停止することなく右折する。この場合、後続車両Ｖ２は、交差点で停止することなく直進することができる。
このように、ギャップ時間Δｓを設定することにより、右折の判断を的確に行うことができるので、交差点での渋滞を緩和することができる。

図２１は、右折時に一旦停止した場合、及び停止することなく右折した場合の、ギャップ時間Δｓの累積頻度を示すグラフである。曲線ｑ１は、交差点で停止した場合のギャップ時間Δｓと頻度の関係を示しており、ギャップ時間Δｓが短くなるほど、停止する車両が増加している。曲線ｑ２は、交差点で停止することなく右折した場合のギャップ時間Δｓと頻度の関係を示しており、ギャップ時間Δｓが長くなるほど、交差点を停止せずに右折する車両が増加している。

そして、本実施形態では、曲線ｑ１とｑ２の交点を上記の閾値時間として設定する。図２１の場合は、閾値時間は６秒である。即ち、ギャップ時間Δｓが６秒よりも長い場合には、自車両Ｖ１を停止させずに交差点を右折させ、ギャップ時間Δｓが６秒以下である場合には、自車両Ｖ１を交差点で停止させるように制御する。こうすることにより、交差点にて円滑な右折が可能となり、交差点での渋滞を緩和することができる。

［運転特性切替部１１の説明］
次に、図１に示す運転特性切替部１１について説明する。運転特性切替部１１は、関心度判定部１２と運転特性設定部１３を備えている。

関心度判定部１２は、前述した眼球状態検出部２より出力される「周辺注視パラメータ」、及び「瞬きパラメータ」に基づいて、乗員の走行状況に対する関心度を判定する。具体的には、前述の（１）式に示した周辺注視度Ｆ１が予め設定した第１閾値Ｆ１thよりも高い場合に、走行状況に対する関心度が基準値よりも高いと判定する。また、前述の（２）式に示した開閉挙動特徴量ＰＥが予め設定した第２閾値ＰＥthよりも低い場合、開眼時の開眼度Ｘ２が予め設定した第３閾値Ｘ２thよりも高い場合、或いは、閉眼速度Ｘ１が予め設定した第４閾値Ｘ１thよりも高い場合に走行状況に対する関心度が基準値よりも高いと判定する。

また、スイッチ操作検出部３より出力される関連スイッチ、及び非関連スイッチの操作状況に応じて、乗員の走行状況に対する関心度を判定する。具体的には、関連スイッチの操作頻度が予め設定した第５閾値よりも高い場合には、走行状況に対する関心度が基準値よりも高いと判定する。また、非関連スイッチの操作頻度が予め設定した第６閾値よりも高い場合には、走行状況に対する関心度が基準値よりも低いと判定する。
更に、前述したように、会話判定部１６で分析された運転者に対する意識量を推定し、意識量が予め設定した第７閾値よりも高い場合に、走行状況に対する関心度が基準値よりも高いと判断する。

運転特性設定部１３は、関心度判定部１２で判定された関心度に基づいて、自動運転制御の制御内容を決定する。具体的には、乗員の走行状況に対する関心度が基準値よりも高い場合には、乗員の運転特性に適合するように自動運転を行う。例えば、車両速度、車間距離を、乗員の特性に適合するように制御する。即ち、運転者の現在の運転に対する関心度が基準値よりも高い場合には、できるだけ運転者（乗員）が好む運転特性で運転することにより、運転者に与える違和感を抑制することができる。従って、運転者が手動運転したときの運転特性データを、手動運転特性データベース５より抽出して、運転者の運転者特性に適合するように自動運転を行う。

手動運転特性データベース５には、例えば、図２２に示すように、３つの手動運転特性ｕ１、ｕ２、ｕ３が記憶されている。そして、自車両の手動運転による現在の運転特性ｕ０を取得する。具体的には、入力パラメータとして、走行状況の種類、前後の他車両との位置関係、道路情報（制限速度）、現在の車両の走行情報（例えば、走行速度）を取得する。そして、機械学習のアルゴリズムを用いて有意なパラメータを算出し、現在の運転特性を取得する。

図２２に示す例では、各手動運転特性ｕ１〜ｕ３のうち、自車両の現在の運転特性ｕ０が最も類似する手動運転特性ｕ２を選択する。そして、運転特性設定部１３では、関心度判定部１２で運転に対する関心度が基準値よりも高いと判定された場合には、手動運転特性ｕ２を選択して、制御指令を出力する。

一方、乗員の現在の運転に対する関心度が低い場合には、周囲状況に合わせた自動運転を行う。即ち、走行状況に対する関心度が低い場合には、できるだけ周囲の走行状況に合った運転特性で自動運転するのが好ましい。周囲の走行状況にあった運転特性で自動運転することにより、周囲の他車両の走行を阻害することを抑制し、また、他車両の乗員に与える違和感を抑制することができる。加えて、交通流を整えることができるようになるため、渋滞を緩和することができるようになる。従って、自動運転特性設定部８で決定した運転特性、具体的には、前述した図１７〜図２１に示した制御を選択して制御指令を出力する。

［処理動作の説明］
次に、本実施形態に係る自動運転車両の制御装置による処理手順を、図２３、図２４、図２５に示すフローチャートを参照して説明する。図２３は、全体の処理手順を示し、図２４、図２５は図２３のＳ１３の詳細な処理を示している。

図２３に示す処理は、図１に示した運転特性設定部１３により実行される。初めに、図２３のステップＳ１１において、運転特性設定部１３は、自車両の走行状況を判定する。この処理では、図１０に示したように自車両状況検出部６で検出された車速データ、加速度データ、ステア角度データ等を用いる。或いは、ＣＡＮ（Controller Area Network）により取得される車両速度、加速度、ステア角度の情報、及びレーダやカメラ等のセンサ情報に基づいて、現在の走行状況を判定することもできる。

ステップＳ１２において、運転特性設定部１３は、乗員の走行状況に対する関心度を判定する。前述したように、関心度の判定は、乗員の眼球の動き、スイッチ操作の頻度、会話の内容等に基づいて行われる。更に、ステップＳ１３において、関心度が基準値よりも高いか否かを判定する。

以下、図２４、図２５を参照して、関心度判定の詳細な処理手順を説明する。この処理は、図１に示す関心度判定部１２より実行される。

図２４は、眼球情報に基づいて、関心度を判定する処理を示すフローチャートである。初めに、関心度判定部１２は、ステップＳ３１において眼球状態検出部２より「周辺注視パラメータ」を取得し、ステップＳ３２において「瞬きパラメータ」を取得する。
ステップＳ３３において、関心度判定部１２は、周辺注視パラメータに基づき、周辺注視度Ｆ１が第１閾値Ｆ１thよりも高いか否かを判定する。
そして、周辺注視度Ｆ１が第１閾値Ｆ１thよりも高いと判定された場合には（ステップＳ３３でＹＥＳ）、ステップＳ３７において、乗員の走行状況に対する関心度は基準値よりも高いと判定する。

一方、周辺注視度Ｆ１が第１閾値Ｆ１thよりも低いと判定された場合には（ステップＳ３３でＮＯ）、ステップＳ３４において、開閉挙動特徴量ＰＥが第２閾値ＰＥthよりも低いか否かを判定する。

開閉挙動特徴量ＰＥが第２閾値ＰＥthよりも低い場合には（ステップＳ３４でＹＥＳ）、ステップＳ３７の処理を実行する。一方、開閉挙動特徴量ＰＥが第２閾値ＰＥthよりも高い場合には（ステップＳ３４でＮＯ）、ステップＳ３５において、関心度判定部１２は、乗員の瞬き情報に基づいて、開眼時の開眼度が高いか否かを判定する。この処理では、開眼時の開眼度Ｘ２が第３閾値Ｘ２thよりも高いか否かを判定する。

開眼時の開眼度Ｘ２が第３閾値Ｘ２thよりも高い場合には（ステップＳ３５でＹＥＳ）、ステップＳ３７に処理を進める。開眼時の開眼度Ｘ２が第３閾値Ｘ２thよりも低い場合には（ステップＳ３５でＮＯ）、ステップＳ３６において、関心度判定部１２は、瞬きパラメータに基づき、閉眼速度Ｘ１が第４閾値Ｘ１thよりも高いか否かを判定する。

閉眼速度Ｘ１が第４閾値Ｘ１thよりも高いと判定された場合には（ステップＳ３６でＹＥＳ）、ステップＳ３７において、関心度が基準値よりも高いものと判定する。一方、閉眼速度Ｘ１が第４閾値Ｘ１thよりも低いと判定された場合には（ステップＳ３６でＮＯ）、ステップＳ３８において、関心度は基準値よりも低いと判定する。そして、ステップＳ３７、Ｓ３８の判定結果に基づいて、図２３のステップＳ１３の処理が実行される。

次に、図２５に示すフローチャートを参照して、スイッチ操作の頻度に応じて、関心度を判定する処理について説明する。この処理は、関心度判定部１２によって実行される。
初めにステップＳ５１において、関心度判定部１２は、スイッチ操作検出部３より出力される各種のスイッチ操作の頻度情報を取得する。

ステップＳ５２において、関心度判定部１２は、関連スイッチの操作頻度が高いか否かを判定する。前述したように、関連スイッチは、例えば、速度設定スイッチ、車間距離設定スイッチ、車線変更スイッチ等である。

そして、関連スイッチの操作頻度が予め設定した第５閾値よりも高い場合には（ステップＳ５２でＹＥＳ）、ステップＳ５４において、関心度判定部１２は、乗員の走行状況に対する関心度が基準値よりも高いものと判定する。

一方、関連スイッチの操作頻度が第５閾値よりも低い場合には（ステップＳ５２でＮＯ）、ステップＳ５３において、非関連スイッチの操作頻度が第６閾値よりも高いか否かを判定する。前述したように、非関連スイッチは、例えば、窓の開閉スイッチ、オーディオ操作スイッチ、ナビゲーション操作スイッチ、シート位置調整スイッチ等である。
そして、非関連スイッチの操作頻度が第６閾値よりも高い場合には（ステップＳ５３でＹＥＳ）、ステップＳ５５において、関心度判定部１２は乗員の走行状況に対する関心度は基準値よりも低いと判定する。

また、非関連スイッチの操作頻度が第６閾値よりも低い場合には（ステップＳ５３でＮＯ）、スイッチ操作の頻度が低いか、或いは操作が行われていないことが想定されるので、判定を保留しステップＳ５２に処理を戻す。

こうして、図２３のステップＳ１３に示した処理、即ち、乗員の走行状況に対する関心度が基準値よりも高いか否かが判定されるのである。なお、前述したように、乗員の会話の状況を判定し、会話の状況に基づいて運転に対する関心度を求めるようにすることもできる。

図２３のステップＳ１３で、関心度が基準値よりも高いと判定された場合には（ステップＳ１３でＹＥＳ）、ステップＳ１４において、運転特性設定部１３は乗員の手動運転特性に合った運転特性（車速、車間距離等）を設定する。

乗員の走行状況に対する関心度が高い場合の例として、自車両が周辺の他車両の流れに沿っていない場合、道路状況に対応できていない場合、トラック、高級車、障害物、道路構造等の注意が必要な対象物が接近している場合等を挙げることができる。このような走行状況では、乗員は、車両速度、車間距離（前後左右）、車線変更等の走行特性を、乗員の好みに合った運転特性に設定することにより、乗員に与える違和感を抑制した自動運転が可能となる。

また、関心度が基準値よりも低いと判定された場合には（ステップＳ１３でＮＯ）、ステップＳ１５において、運転特性設定部１３は、周囲状況に沿った車速、車間距離を設定する。
ステップＳ１６において、ステップＳ１４の処理で設定された運転特性、或いはステップＳ１５の処理で設定された運転特性のうちのいずれか一方を決定する。

ステップＳ１７において、運転特性設定部１３は、自動運転区間が終了したか否かを判定し、終了していなければステップＳ１１に処理を戻す。終了していれば、自動運転を終了して手動運転に切り替える。

このように、本実施形態に係る自動運転車両の制御方法では、乗員の関心度を検出し、関心度に応じた運転特性に基づいて自車両を制御するので、乗員の意図を認識することができ、乗員の意図を車両の走行特性に反映できるため、乗員の意図を適切に反映した自動運転走行ができるようになる。

また、車両走行に対する乗員の関心度が基準値よりも低い場合には、周囲状況に合った運転特性が設定されて、自動運転制御が実行されるので、走行速度や車間距離が周囲車両に合うように制御され、交通流を乱すことなく渋滞の発生を緩和することができる。

更に、車両走行に対する乗員の関心度が基準値よりも高い場合には、この乗員の手動運転時の運転特性に基づく運転特性が設定されるので、乗員にとって違和感のない自動運転制御が可能となる。

また、本実施形態では、眼球状態検出部２にて検出される眼球の動きに基づいて、車両走行に対する乗員の関心度を検出している。具体的には、周辺注視度Ｆ１が第１閾値Ｆ１thよりも高い場合に、関心度が基準値よりも高いと判断するので、関心度の判定を高精度に行うことが可能となる。
また、瞬き間隔に対する閉眼時間の割合（開閉挙動特徴量ＰＥ）が第２閾値ＰＥthよりも低い場合に、関心度が基準値よりも高いと判断するので、関心度の判定を高精度に行うことが可能となる。
更に、開眼時の開眼度Ｘ２が第３閾値Ｘ２thよりも高い場合に、関心度が基準値よりも高いと判断するので、関心度の判定を高精度に行うことが可能となる。
また、閉眼速度Ｘ１が第４閾値Ｘ１thよりも高い場合に、関心度が基準値よりも高いと判断するので、関心度の判定を高精度に行うことが可能となる。

更に、関連スイッチの操作頻度が第５閾値よりも高い場合に、関心度が基準値よりも高いと判定するので、簡単な処理で関心度の判定が可能となる。
また、非関連スイッチの操作頻度が第６閾値よりも高い場合に、関心度が基準値よりも低いと判定するので、簡単な処理で関心度の判定が可能となる。

また、乗員の会話に基づいて関心度を判定している。詳細には、会話判定部１６で分析された乗員の意識量を推定し、意識量が大きい場合に、関心度が基準値よりも高いと判定する。従って、乗員の会話内容に基づく高精度な関心度の判定が可能となる。

更に、車両の乗員として、運転者の関心度を用いることにより、より乗員の好みに合った自動運転制御が可能となる。

なお、上述したフローチャートでは、図２４に示した眼球の動きに基づいて関心度を判定する場合、及び図２５に示したスイッチ操作に基づいて関心度を判定する場合について記載したが、双方を併用して関心度を判定しても良い。

例えば、眼球の動きによる関心度を判定し、関心度が基準値よりも低いと判定された場合限り、更に、スイッチ操作による関心度判定を実行し、更に、関心度が基準値よりも低いと判定された場合に限り、会話の内容による関心度判定を実行するようにしてもよい。

また、前述したように、会話判定部１６で分析された乗員の意識量を推定し、意識量が大きい場合に、関心度が高いと判定して、ステップＳ１３の処理を実行することも可能である。
また、上述した実施形態では、乗員の一例として運転者を例に挙げて説明したが、本発明は、運転者に限定されるものではなく、運転者以外の搭乗者の運転特性を用いて自動運転制御を実行することも可能である。

［変形例１の説明］
次に、前述した実施形態の変形例について説明する。上述した実施形態では、乗員の走行状況に対する関心度が基準値よりも高いと判定された場合には、手動運転特性データベース５に記憶されている運転特性から乗員の好みに合った運転特性を抽出して自動運転を行うようにした。

これに対して、変形例では、自車両の乗員が対象物として他車両を注視している場合に、この他車両に対する関心度が基準値よりも高いと判断する。更に、この他車両の運転特性を抽出し、この運転特性で自車両を制御する。即ち、乗員の関心度が基準値よりも高い場合には、乗員が関心を示す対象物の運転特性を検出し、この対象物の運転特性に基づいて自動運転車両を制御する。

具体的には、図１に示した眼球状態検出部２で検出される周辺注視パラメータに基づいて、乗員が注視している他車両を特定し、更に、この他車両の走行速度、先行車両との間の車間距離等の運転特性を検出する。そして、自車両をこの他車両の運転特性に合うように制御する。その結果、乗員が手本とする他車両が存在し、この他車両を乗員が注視している場合には、この他車両の運転特性に合うように、自車両が制御されるので、運転者の好みに合う運転特性で自車両を制御することが可能となる。尚、乗員が注視している対象としては、他の自動車に限らず、バイク、自転車、歩行者などの移動物体であればよく、上記と同様に、移動物体の移動特性に応じて、自車両を制御するようにしてもよい。

［変形例２の説明］
次に、実施形態の変形例２について説明する。変形例２では、自車両の乗員が対象物として自車両周囲の静止物を注視している場合に、この静止物の特性に応じて関心度を判断し、関心度に応じて自車両を制御する。例えば、乗員が、上記の静止物として、道路標識を注視していた場合は、関心度が高いと判断する。逆に、乗員が、上記の静止物として、山や空などの景色を注視している場合は、関心度が低いと判断する。乗員が、車外のどの静止物を注視しているか検出する方法として、標識や地理データを用いて、視線とその延長方向にある静止物とその特性を特定するようにしても良い。また、他にも、視線に延長する方向に対して、センシングを実施し、静止物とその特性を特定するようにしても良い。

その他にも、本実施形態においては、関心度が基準値よりも高い場合において、手動運転時の運転特性に基づいて自動運転を実行するが、手動運転時の運転特性に基づいて自動運転を実行する中でも、関心度を測定し、自動運転の運転特性を調整するようにしても良い。例えば、関心度が基準値よりも高い場合は、手動運転時の運転特性と周囲状況に応じた運転特性の間で、関心度が高いほど、手動運転時の運転特性に寄せて、運転特性を設定するようにしても良い。例えば、関心度が基準値よりも高い場合において、乗員の視線の動きが激しいほど、関心度が基準値よりも高い中でも関心度が高い方としてもよい。逆に、関心度が基準値よりも低い場合も同様である。関心度が基準値よりも低い場合は、手動運転時の運転特性と周囲状況に応じた運転特性の間で、関心度が低いほど、手動運転時の運転特性に寄せて、運転特性を設定するようにしても良い。

以上、本発明の自動運転車両の制御方法を図示の実施形態に基づいて説明したが、本発明はこれに限定されるものではなく、各部の構成は、同様の機能を有する任意の構成のものに置き換えることができる。

１ 関心度検出部
２ 眼球状態検出部
３ スイッチ操作検出部
４ 個人適合運転特性判定部
５ 手動運転特性データベース
６ 自車両状況検出部
７ 手動運転特性学習部
８ 自動運転特性設定部
９ 周囲状況検出部
１１ 運転特性切替部
１２ 関心度判定部
１３ 運転特性設定部
１４ 走行状況検出部
１６ 会話判定部
１７ 車外カメラ
１８ 眼球
１９ 瞳
２０ 赤外線カメラ
２１ 赤外線照明
２２ 画像処理部
２３ 照明・カメラコントローラ
２５ レンズ
２６ 可視光遮光フィルタ
２８ 赤外線イメージセンサ
２９ デジタルフィルタ
３０ 画像処理用ＧＰＵ
３１ パラメータ抽出部
３２ 車速センサ
３３ 加速度センサ
３４ ステア角度センサ
３５ 車両間隔検出部
３６ 非車両検出部
３７ 周辺車両種類検出部
３８ 車線検出部
３９ 道路種類検出部
４０ 交通情報検出部
４２ マイク
４３ スピーカ
４４ 情報提示部
４５ 分析部

図１は、本発明の実施形態に係る自動運転車両の制御装置の構成を示すブロック図である。 図２は、本発明の実施形態に係る眼球状態検出部の構成を示すブロック図である。 図３は、本発明の実施形態に係る画像処理部の構成を示すブロック図である。 図４は、乗員の眼球、及び眼球に含まれる瞳の中心、及び反射光の中心を示す説明図である。 図５Ａは、自車両の前方状況、及び乗員の視線方向の移動を示す説明図である。 図５Ｂは、乗員の物体に対する注視、非注視を示す説明図である。 図６は、乗員の顔を撮影して瞬きパラメータを抽出する手順を示す説明図である。 図７は、時間経過に対する乗員の開眼度の変化を示すグラフである。 図８は、車両に搭載される関連スイッチ、及び非関連スイッチを示す説明図である。 図９は、会話判定部の詳細な構成を示すブロック図である。 図１０は、自車両状況検出部の詳細な構成を示すブロック図である。 図１１は、周囲状況検出部の詳細な構成を示すブロック図である。 図１２は、特徴点を検出する３つの方法を示す説明図である。 図１３は、検出された各特徴点についての、運転行動の学習の流れを示す説明図である。 図１４は、走行状況の分類を示す説明図である。 図１５は、他車両のデータを意味のある項目に分類する例を示す説明図である。 図１６は、手動運転特性学習部で学習される手動運転特性の例を示す説明図である。 図１７Ａは、自車両が自動運転特性を採用せずに巡航走行する場合の走行状況を示す説明図である。 図１７Ｂは、自車両が自動運転特性を採用して巡航走行する場合の走行状況を示す説明図である。 図１８Ａは、自車両が自動運転特性を採用せずに追従走行する場合の走行状況を示す説明図である。 図１８Ｂは、自車両が自動運転特性を採用して追従走行する場合の走行状況を示す説明図である。 図１９Ａは、自車両が自動運転特性を採用せずに交差点を通過する場合の走行状況を示す説明図である。 図１９Ｂは、自車両が自動運転特性を採用して交差点を通過する場合の走行状況を示す説明図である。 図２０Ａは、自車両が交差点で一旦停止した後右折する場合の、走行状況を示す説明図である。 図２０Ｂは、自車両が交差点で停止せずに右折する場合の、走行状況を示す説明図である。 図２１は、車両が交差点で一旦停止せずに右折する場合、一旦停止した後に右折する場合の頻度を示すグラフである。 図２２は、手動運転特性の確率分布を示す説明図である。 図２３は、本発明の実施形態に係る自動運転車両の制御装置の、処理手順を示すフローチャートである。 図２４は、眼球の動きに基づいて、関心度が基準値よりも高いか否かを判断する処理を示すフローチャートである。 図２５は、乗員が操作するスイッチの頻度に基づいて、関心度が基準値よりも高いか否かを判断する処理を示すフローチャートである。

＜スイッチ操作検出部３＞
次に、スイッチ操作検出部３について説明する。スイッチ操作検出部３は、車両に搭載される各種スイッチの操作を検出し、検出データを図１に示す関心度判定部１２に出力する。車両に搭載される各種のスイッチを、車両走行と関連するスイッチ（以下、「関連スイッチ」という）と、車両走行と関連しないスイッチ（以下、「非関連スイッチ」という）に分類する。

上述した図１３のａ１〜ａ４の処理を前処理と定義し、ステップａ５において、前処理で生成されたパラメータを機械学習の入力とし、機械学習を実行する。機械学習のアルゴリズムとして、例えばＳＯＭ（Self Organizing Map)、ＳＶＣ(Support Vector Machine Classification)、ＳＧＤ(Stochastic Gradient Decent）、ロジスティックス回帰等を用いることができる。この機械学習により、走行している道路種別が出力される。図１４に示すように、各種の道路種別は（例えば、ｂ１〜ｂ８）に分類される。具体的には、高速道路を走行中の場合には「ｂ１．高速道路」とし、一般道路で片側２車線を走行中の場合には「ｂ２．幹線道路」とし、一般道路で片側１車線を走行中の場合には「ｂ３．非幹線道路」とし、一般道路の交差点を走行中の場合には「ｂ４．交差点」とする。また、一般道路または高速道路を走行中で先行車両が存在しない場合には「ｂ５．巡航走行」とし、一般道路または高速道路を走行中で先行車両が存在する場合には「ｂ６．追従走行」とし、一般道路の交差点で停止後再発進した場合には「ｂ７．交差点通過」とし、一般道路の交差点で右折した場合には「ｂ８．右折」に分類する。尚、この分類方法は、以上の内容に限られず、分類項目を多くしてもよいし、分類項目を少なくしてもよい。分類項目が多い場合は、以上に加えて、高速道路の合流地点、高速道路の分岐地点、幹線道路の右折専用車線、などを加えても良い。分類項目を少なくする場合は、高速道路、一般道の二つに絞り込むことも一例である。

ステップａ６において、学習により特定した道路種別と、その道路種別における運転特性を手動運転特性データベース５に保存する。以上のように、学習方法「２」では、図１３のステップａ１〜ａ４における分類項目を手動で設定し、ステップａ５では機械学習を通して自動で状況パラメータを生成する。

図１９Ａ、図１９Ｂは、自車両が交差点で発進する際の自動運転特性を決定する例を示す説明図である。自車両が交差点にて信号機の赤色の点灯により停止し、その後緑色の点灯に切り替わって発進する場合を想定している。入力パラメータとして、走行状況の種類（この場合は、交差点通過）、自車両と先行車両との位置関係、及び信号機の情報を取得する。

運転特性設定部１３は、関心度判定部１２で判定された関心度に基づいて、自動運転制御の制御内容を決定する。具体的には、乗員の走行状況に対する関心度が基準値よりも高い場合には、乗員の運転特性に適合するように自動運転を行う。例えば、車両速度、車間距離を、乗員の特性に適合するように制御する。即ち、運転者の現在の運転に対する関心度が基準値よりも高い場合には、できるだけ運転者（乗員）が好む運転特性で運転することにより、運転者に与える違和感を抑制することができる。従って、運転者が手動運転したときの運転特性データを、手動運転特性データベース５より抽出して、運転者の運転特性に適合するように自動運転を行う。

手動運転特性データベース５には、例えば、図２２に示すように、３つの手動運転特性ｕ１、ｕ２、ｕ３が記憶されている。そして、自車両の自動運転による現在の運転特性ｕ０を取得する。具体的には、入力パラメータとして、走行状況の種類、前後の他車両との位置関係、道路情報（制限速度）、現在の車両の走行情報（例えば、走行速度）を取得する。そして、機械学習のアルゴリズムを用いて有意なパラメータを算出し、現在の運転特性を取得する。

ステップＳ１２において、関心度判定部１２は、乗員の走行状況に対する関心度を判定する。前述したように、関心度の判定は、乗員の眼球の動き、スイッチ操作の頻度、会話の内容等に基づいて行われる。更に、ステップＳ１３において、関心度が基準値よりも高いか否かを判定する。

乗員の走行状況に対する関心度が高い場合の例として、自車両が周辺の他車両の流れに沿っていない場合、道路状況に対応できていない場合、トラック、高級車、障害物、道路構造等の注意が必要な対象物が接近している場合等を挙げることができる。このような走行状況では、運転特性設定部１３は、車両速度、車間距離（前後左右）、車線変更等の走行特性を、乗員の好みに合った運転特性に設定することにより、乗員に与える違和感を抑制した自動運転が可能となる。

その他にも、本実施形態においては、関心度が基準値よりも高い場合において、手動運転時の運転特性に基づいて自動運転を実行するが、手動運転時の運転特性に基づいて自動運転を実行する中でも、関心度を測定し、自動運転の運転特性を調整するようにしても良い。例えば、関心度が基準値よりも高い場合は、手動運転時の運転特性と周囲状況に応じた運転特性の間で、関心度が高いほど、手動運転時の運転特性に寄せて、運転特性を設定するようにしても良い。例えば、関心度が基準値よりも高い場合において、乗員の視線の動きが激しいほど、関心度が基準値よりも高い中でも関心度が高い方としてもよい。逆に、関心度が基準値よりも低い場合も同様である。関心度が基準値よりも低い場合は、手動運転時の運転特性と周囲状況に応じた運転特性の間で、関心度が低いほど、周囲状況に応じた運転特性に寄せて、運転特性を設定するようにしても良い。

Claims (13)

1. 自動運転車両を制御する自動運転車両の制御方法であって、
   前記自動運転車両の走行状況に対する乗員の関心度を検出し、
   前記関心度に応じた運転特性に基づいて、前記自動運転車両を制御すること
   を特徴とする自動運転車両の制御方法。
2. 請求項１に記載の自動運転車両の制御方法において、
   前記自動運転車両の周囲状況を検出し、
   前記関心度が基準値よりも低い場合には、前記周囲状況に応じた運転特性に基づいて前記自動運転車両を制御すること
   を特徴とする自動運転車両の制御方法。
3. 請求項１または２に記載の自動運転車両の制御方法において、
   前記乗員の、手動運転時の運転特性を学習し、
   前記関心度が基準値よりも高い場合には、前記手動運転時の運転特性に基づいて前記自動運転車両を制御すること
   を特徴とする自動運転車両の制御方法。
4. 請求項１〜３のいずれか１項に記載の自動運転車両の制御方法において、
   前記関心度が基準値よりも高い場合は、前記乗員が関心を示す対象物の特性を検出し、
   前記対象物の特性に基づいて自動運転車両を制御すること
   を特徴とする自動運転車両の制御方法。
5. 請求項１〜４のいずれか１項に記載の自動運転車両の制御方法において、
   前記乗員の眼球の動きを検出し、周辺注視度が第１閾値よりも高い場合に、前記関心度が基準値よりも高いと判定することを特徴とする自動運転車両の制御方法。
6. 請求項１〜５のいずれか１項に記載の自動運転車両の制御方法において、
   前記乗員の眼球の動きを検出し、瞬き間隔に対する閉眼時間の割合が第２閾値よりも低い場合に、前記関心度が基準値よりも高いと判定することを特徴とする自動運転車両の制御方法。
7. 請求項１〜６のいずれか１項に記載の自動運転車両の制御方法において、
   前記乗員の眼球の動きを検出し、開眼時の開眼度が第３閾値よりも高い場合に、前記関心度が基準値よりも高いと判定することを特徴とする自動運転車両の制御方法。
8. 請求項１〜７のいずれか１項に記載の自動運転車両の制御方法において、
   前記乗員の眼球の動きを検出し、閉眼速度が第４閾値よりも高い場合に、前記関心度が基準値よりも高いと判定することを特徴とする自動運転車両の制御方法。
9. 請求項１〜８のいずれか１項に記載の自動運転車両の制御方法において、
   前記乗員のスイッチ操作を検出し、
   自動運転車両の走行と関連するスイッチの操作頻度が第５閾値よりも高い場合には、前記関心度が基準値よりも高いと判定すること
   を特徴とする自動運転車両の制御方法。
10. 請求項１〜９のいずれか１項に記載の自動運転車両の制御方法において、
    前記乗員のスイッチ操作を検出し、
    自動運転車両の走行と関連しないスイッチの操作頻度が第６閾値よりも高い場合には、前記関心度が基準値よりも低いと判定すること
    を特徴とする自動運転車両の制御方法。
11. 請求項１〜１０のいずれか１項に記載の自動運転車両の制御方法において、
    乗員の会話を検出し、会話の内容に基づいて前記関心度が基準値よりも高いか否かを判断すること
    を特徴とする自動運転車両の制御方法。
12. 請求項１〜１１のいずれか１項に記載の自動運転車両の制御方法において、
    前記乗員は、運転者であること
    を特徴とする自動運転車両の制御方法。
13. 自動運転車両を制御する自動運転車両の制御装置であって、
    前記自動運転車両の走行状況に対する乗員の関心度を検出し、前記関心度に応じた運転特性に基づいて自動運転車両の運転特性を設定するように構成された自動運転車両の制御装置。

Images