KR102075328B1

KR102075328B1 - 주행 지원 방법 및 운전 제어 장치

Info

Publication number: KR102075328B1
Application number: KR1020197025694A
Authority: KR
Inventors: 마치코 히라마츠
Original assignee: 닛산 지도우샤 가부시키가이샤
Priority date: 2017-03-07
Filing date: 2017-03-07
Publication date: 2020-02-10
Also published as: JPWO2018163288A1; WO2018163288A1; JP6773210B2; CN110382319B; EP3594077A1; RU2720862C1; US10787173B2; CA3055702A1; CN110382319A; BR112019018405A2; MX2019010512A; EP3594077A4; KR20190112315A; US20200122724A1

Abstract

본 발명의 주행 지원 방법은, 운전자에 의한 수동 운전과 자동 운전을 전환 가능한 차량에 있어서, 운전자의 수동 운전 중에 있어서의 교차점에서 정지하는 경우의 제동 거리를 학습하고, 차량의 전방의 선행차가 부재일 때의 제동 거리를 우선하여 학습한다.

Description

주행 지원 방법 및 운전 제어 장치

본 발명은, 운전자에 의한 수동 운전과 자동 운전을 전환 가능한 차량에 있어서, 운전자의 수동 운전 중의 주행 데이터를 학습하는 주행 지원 방법 및 그 학습 결과를 자동 운전의 주행 특성에 적용하는 운전 제어 장치에 관한 것이다.

종래에는, 운전자의 위화감을 억제한 자동 운전을 가능하게 하기 위해, 수동 운전 중인 운전자에 의한 운전 조작을 학습하는 운전 제어 장치로서, 특허문헌 1이 개시되어 있다. 특허문헌 1에 개시된 운전 제어 장치에서는, 차선수나 날씨 등의 환경 항목을 설정하고, 수동 운전 시에는 환경 항목으로부터 운전 환경을 특정하고, 운전 환경과 대응지어 운전자의 운전 조작을 학습하였다.

일본 특허 공개 제2015-89801호 공보

그러나, 일반 도로의 교차점에서 차량이 정지하는 경우의 제동 거리는, 동일한 환경 조건이라도 주행 데이터에 변동이 크므로, 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 없다는 문제점이 있었다.

따라서, 본 발명은, 상술한 실정을 감안하여 제안된 것이며, 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 있는 주행 지원 방법 및 운전 제어 장치를 제공하는 것을 목적으로 한다.

상술한 과제를 해결하기 위해, 본 발명의 일 양태에 관한 주행 지원 방법 및 운전 제어 장치는, 운전자의 수동 운전 중에 있어서의 교차점에서 정지하는 경우의 제동 거리를 학습하고, 차량의 전방의 선행차가 부재일 때의 제동 거리를 우선하여 학습한다.

본 발명에 따르면, 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 있다.

도 1은 본 발명의 일 실시 형태에 관한 운전 제어 장치를 포함하는 운전 제어 시스템의 구성을 도시하는 블록도이다.
도 2는 본 발명의 일 실시 형태에 관한 운전 제어 장치에 의한 주행 특성 학습 처리의 처리 수순을 설명하는 흐름도이다.
도 3은 본 발명의 일 실시 형태에 관한 주행 특성 학습 처리에서 입력되는 데이터의 일례를 도시하는 도면이다.
도 4는 차량이 교차점에서 정지하는 경우의 감속 개시 속도와 제동 거리를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 형태에 관한 주행 특성 학습 처리에서 실행되는 중회귀 분석의 계수를 설명하기 위한 도면이다.
도 6은 선행차가 부재일 때의 감속 개시 속도와 제동 거리 사이의 관계를 나타낸 데이터의 일례를 도시하는 도면이다.
도 7은 선행차가 부재일 때뿐만 아니라 모든 경우의 감속 개시 속도와 제동 거리 사이의 관계를 나타낸 데이터의 일례를 도시하는 도면이다.
도 8은 평균 감속도가 일정해지도록 제동을 개시하는 타입의 운전자의 경우의 감속 개시 속도와 제동 거리 사이의 관계를 나타낸 데이터의 일례를 도시하는 도면이다.
도 9는 TTI(Time to intersection)가 일정해지도록 제동을 개시하는 타입의 운전자의 경우의 감속 개시 속도와 제동 거리 사이의 관계를 나타낸 데이터의 일례를 도시하는 도면이다.
도 10은 본 발명의 일 실시 형태에 관한 주행 특성 학습 처리에 의한 신중도의 판정 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시 형태에 관한 주행 특성 학습 처리에 의한 신중도의 판정 방법을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시 형태에 관한 주행 특성 학습 처리에 의한 꼼꼼한 정도의 판정 방법을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시 형태에 관한 운전 제어 장치에 의한 자동 운전 제어 처리의 처리 수순을 설명하는 흐름도이다.

이하, 본 발명을 적용한 일 실시 형태에 대하여 도면을 참조하여 설명한다.

[운전 제어 시스템의 구성]

도 1은 본 실시 형태에 관한 운전 제어 장치를 포함하는 운전 제어 시스템의 구성을 도시하는 블록도이다. 도 1에 도시한 바와 같이, 본 실시 형태에 관한 운전 제어 시스템(100)은, 운전 제어 장치(1)와, 주행 상태 검출부(3)와, 주행 환경 검출부(5)와, 운전 전환 스위치(7)와, 제어 상태 제시부(9)를 구비하고 있다. 또한, 운전 제어 시스템(100)은, 차량에 탑재된 액추에이터(11)에 접속되어 있다.

운전 제어 장치(1)는, 운전자에 의한 수동 운전과 자동 운전을 전환 가능한 차량에 있어서, 운전자의 수동 운전 중의 주행 데이터를 학습하고, 이 학습 결과를 자동 운전의 주행 특성에 적용하는 처리를 실행하는 컨트롤러이다. 특히, 운전 제어 장치(1)는, 차량의 전방을 주행하는 선행차가 부재일 때의 주행 데이터를 우선하여 사용하여, 차량이 교차점에서 정지하는 경우의 제동 거리를 학습하는 주행 특성 학습 처리를 실행한다. 이 주행 특성 학습 처리에서는, 수동 운전 중의 주행 데이터 중에서 선행차가 부재일 때의 주행 데이터를 선별하고, 선별된 선행차 부재 시의 주행 데이터를 사용하여 학습한다. 즉, 선행차가 부재일 때의 주행 데이터만을 사용하여 학습한다. 여기서, 운전 제어 장치(1)는, 학습용 데이터 기억부(21)와, 주행 특성 학습부(23)와, 자동 운전 제어 실행부(25)를 구비하고 있다.

또한, 본 실시 형태에서는, 운전 제어 장치(1)를 차량에 탑재한 경우에 대하여 설명하지만, 차량에 통신 장치를 설치하고, 운전 제어 장치(1)의 일부를 외부 서버에 설치하여 주행 특성 학습 처리를 실행시켜도 된다. 운전 제어 장치(1)를 차량에 탑재한 경우에는, 차량을 소유 또는 사용하는 운전자의 주행 특성을 학습할 수 있다. 그리고, 소정 기간(예를 들어, 최신 1개월간)의 주행 데이터를 기억해 두고, 그 운전자가 소유 또는 사용하는 차량의 자동 운전에 반영시킬 수 있다. 한편, 외부 서버에 설치한 경우에는, 운전자 자신의 장기간의 주행 데이터를 사용하여 학습할 수 있으므로, 보다 안정된 학습 결과를 산출할 수 있다. 또한, 학습이 완료되지 않았을 때는, 다른 운전자의 주행 데이터를 활용하여, 그 지역의 평균적인 운전자의 주행 특성을 자동 운전에 반영시킬 수 있다.

주행 상태 검출부(3)는, 차속이나 가속도, 선행차의 유무, 현재 위치, 방향 지시기의 표시 상태, 헤드라이트의 점등 상태, 와이퍼의 작동 상태 등의 차량의 주행 상태를 나타내는 주행 데이터를 검출한다. 예를 들어, CAN(Controller Area Network)과 같은 차량 탑재 네트워크나 내비게이션 장치, 레이저 레이더, 카메라 등이다. 특히, 주행 상태 검출부(3)는, 차량의 감속 개시와 정지를 검출하기 위한 데이터로서, 차량의 브레이크 페달 및 액셀러레이터 페달의 조작량과 차량의 속도 및 감속도를 검출한다.

주행 환경 검출부(5)는, 차량이 주행하는 도로의 차선수, 제한 속도, 도로 구배, 도로 곡률, 차량 전방의 신호기의 표시 상태, 차량 전방의 교차점까지의 거리, 차량 전방의 교차점의 예정 진로, 일시 정지 규제의 유무 등의 차량이 주행하고 있는 환경을 나타내는 환경 정보를 검출한다. 예를 들어, 차량에 탑재된 카메라나 레이저 레이더, 내비게이션 장치이다. 또한, 차량 전방의 신호기의 표시 상태나 일시 정지 규제의 유무는 노차간 통신을 이용하여 검출해도 된다. 또한, 차량 전방의 교차점의 예정 진로는 내비게이션 장치나 방향 지시기의 표시 상태 등으로부터 취득한다. 또한, 차량 주위의 조도, 기온, 날씨 상태를 조도 센서, 외기온 센서, 와이퍼 스위치로부터 각각 취득한다. 단, 조도는 헤드라이트의 스위치로부터 취득해도 된다.

운전 전환 스위치(7)는, 차량에 탑재되며, 차량의 탑승원이 조작함으로써 자동 운전과 수동 운전의 전환을 행하는 스위치이다. 예를 들어, 차량의 스티어링에 설치된 스위치이다.

제어 상태 제시부(9)는, 현재의 제어 상태가 수동 운전인지 자동 운전인지를 미터 표시부나 내비게이션 장치의 표시 화면, 헤드업 디스플레이 등에 표시한다. 또한, 자동 운전의 개시, 종료를 알리는 경보음도 출력하고, 주행 특성의 학습이 종료되었는지 여부도 제시한다.

액추에이터(11)는, 운전 제어 장치(1)로부터의 실행 명령을 수신하여, 차량의 액셀러레이터나 브레이크, 스티어링 등의 각 부를 구동한다.

다음에, 운전 제어 장치(1)를 구성하는 각 부에 대하여 설명한다. 학습용 데이터 기억부(21)는, 주행 상태 검출부(3) 및 주행 환경 검출부(5)로부터 차량의 주행 상태에 관한 주행 데이터나 차량 주위의 주행 환경에 관한 환경 정보를 취득하여, 주행 특성 학습 처리에 필요한 데이터를 기억한다. 특히, 학습용 데이터 기억부(21)는, 수동 운전 중에 교차점에서 정지하는 경우의 제동 거리의 학습에 사용하는 선행차가 부재일 때의 주행 데이터를 기억한다. 이때, 학습용 데이터 기억부(21)는, 선행차 부재 시의 주행 데이터를 차량의 주행 상태나 주행 환경과 관련지어 기억한다. 기억하는 주행 데이터로서는, 선행차가 부재일 때 차량이 교차점에서 정지하는 경우의 감속 개시 속도나 선행차가 부재일 때 차량이 교차점에서 정지하는 경우의 제동 거리 등의 데이터이다. 이 밖에, 차량의 브레이크 페달 및 액셀러레이터 페달의 조작량이나 차량의 속도 및 감속도, 교차점의 정지선까지의 거리 등의 데이터를 기억한다. 또한, 환경 정보에 대해서도 기억한다. 환경 정보로서는, 차량이 주행하는 도로의 차선수, 도로 곡률, 제한 속도, 도로 구배, 일시 정지 규제의 유무 또는 신호기의 표시 상태, 방향 지시기의 표시 상태, 차량의 주변의 날씨, 기온 또는 조도 등이다.

주행 특성 학습부(23)는, 학습용 데이터 기억부(21)에서 기억된 주행 데이터를 판독하고, 주행 상태 및 주행 환경으로부터의 영향 정도를 고려하여, 차량의 주행 특성을 학습한다. 특히, 차량의 전방을 주행하는 선행차가 부재일 때의 주행 데이터를 우선하여 사용하여, 차량의 주행 특성 중 교차점에서 정지하는 경우의 제동 거리를 학습한다. 이때, 주행 특성 학습부(23)는, 수동 운전 중의 주행 데이터 중에서 선행차가 부재일 때의 주행 데이터를 선별하고, 선별된 선행차 부재 시의 주행 데이터를 사용하여 학습한다. 즉, 선행차가 부재일 때의 주행 데이터만을 사용하여, 차량이 교차점에서 정지하는 경우의 제동 거리를 학습한다. 또한, 주행 특성 학습부(23)는, 차량이 주행하고 있는 환경의 환경 정보를 고려하여 학습하고, 차량의 트립별로 학습한다. 또한, 교차점에서 정지하는 경우의 제동 거리의 학습 결과에 기초하여, 운전자의 운전 스타일을 판정해도 된다. 이와 같이 하여 산출된 학습 결과는, 주행 특성 학습부(23)에 수시 기억된다.

자동 운전 제어 실행부(25)는, 자동 운전 구간이 된 경우나 운전자가 운전 전환 스위치(7)에 의해 자동 운전을 선택한 경우에, 자동 운전 제어를 실행한다. 이때, 자동 운전 제어 실행부(25)는, 주행 특성 학습부(23)에서 학습한 학습 결과를 자동 운전의 주행 특성에 적용한다. 특히, 교차점에서 정지하는 경우의 제동 거리의 학습 결과를 자동 운전 시의 제동 거리에 적용한다.

또한, 운전 제어 장치(1)는, 마이크로컴퓨터, 마이크로프로세서, CPU를 포함하는 범용의 전자 회로와 메모리 등의 주변 기기로 구성되어 있다. 그리고, 특정 프로그램을 실행함으로써, 상술한 학습용 데이터 기억부(21), 주행 특성 학습부(23), 자동 운전 제어 실행부(25)로서 동작한다. 이와 같은 운전 제어 장치(1)의 각 기능은, 하나 또는 복수의 처리 회로에 의해 실장할 수 있다. 처리 회로는, 예를 들어 전기 회로를 포함하는 처리 장치 등의 프로그램된 처리 장치를 포함하고, 또한 실시 형태에 기재된 기능을 실행하도록 어레인지된 특정 용도용 집적 회로(ASIC)나 종래형 회로 부품과 같은 장치도 포함하고 있다.

[주행 특성 학습 처리의 수순]

다음에, 본 실시 형태에 관한 운전 제어 장치(1)에 의한 주행 특성 학습 처리의 수순을 도 2의 흐름도를 참조하여 설명한다. 도 2에 도시한 주행 특성 학습 처리는, 차량의 이그니션이 온되면 개시된다.

도 2에 도시한 바와 같이, 먼저 스텝 S101에 있어서, 학습용 데이터 기억부(21)는, 운전 전환 스위치(7)의 상태에 따라 차량이 수동 운전인지 여부를 판정한다. 차량이 수동 운전인 경우에는 스텝 S103으로 진행하고, 자동 운전인 경우에는 주행 특성 학습 처리를 종료하고 자동 운전 제어를 실행한다.

스텝 S103에 있어서, 학습용 데이터 기억부(21)는, 주행 상태 검출부(3) 및 주행 환경 검출부(5)로부터 차량의 주행 상태에 관한 주행 데이터와 차량 주위의 주행 환경에 관한 환경 정보를 검출한다. 검출되는 주행 데이터로서는, 차속, 조타각, 가속도, 감속도, 선행차와의 차간 거리, 선행차와의 상대 속도, 현재 위치, 전방 교차점의 예정 진로, 브레이크 페달 및 액셀러레이터 페달의 조작량, 헤드라이트의 점등 상태, 와이퍼의 작동 상태 등을 검출한다. 또한, 환경 정보로서는, 차량이 주행하는 도로의 차선수, 도로 곡률, 제한 속도, 도로 구배, 일시 정지 규제의 유무 또는 신호기의 표시 상태, 차량으로부터 교차점의 정지선까지의 거리, 차량의 방향 지시기의 표시 상태, 차량 주변의 날씨, 기온 또는 조도 등을 검출한다.

스텝 S105에 있어서, 학습용 데이터 기억부(21)는, 차량의 전방을 주행하는 선행차가 부재인지 여부를 판정한다. 선행차가 부재인지 여부의 판정 방법으로서는, 선행차가 미검출인 경우 외에, 선행차가 검출된 경우라도 차량과 선행차 사이의 차간 거리가 소정값(예를 들어 50m) 이상인 경우에, 선행차가 부재라고 판정해도 된다. 그리고, 선행차가 부재라고 판정된 경우에는 스텝 S107로 진행하고, 선행차가 부재가 아니라고 판정된 경우에는 스텝 S103으로 되돌아간다.

스텝 S107에 있어서, 학습용 데이터 기억부(21)는, 차량의 현재의 주행 상태가 제외 요인에 합치하는지 여부를 판정한다. 제외 요인이란, 주행 특성의 학습에 사용하는 데이터를 취득하는 것이 적당하지 않은 경우를 특정한 것이다. 제외 요인으로서는, (A) 차량이 교차점에서 정지하는 경우에 최대 감속도가 소정값(예를 들어 0.3G) 이상인 것, (B) 차량이 교차점에서 정지하는 경우에 감속 개시 속도가 소정값(예를 들어 10㎞/h) 이하인 것의 2개가 있다. 학습용 데이터 기억부(21)는, 이들 제외 요인에 합치하지 않는 경우에는 스텝 S109로 진행하고, 합치하는 경우에는 스텝 S103으로 되돌아간다.

이와 같이, 제외 요인 (A)를 적용함으로써, 의도하지 않은 급브레이크를 건 경우의 데이터를 제외할 수 있고, 제외 요인 (B)를 적용함으로써, 크리프에서의 발진 후와 같은 매우 저속의 데이터를 제외할 수 있다. 따라서, 이들 제외 요인 (A), (B)를 설정함으로써, 통상의 감속 상태에 있을 때의 주행 데이터를 취득할 수 있다. 또한, 이들 제외 요인은 반드시 적용해야만 하는 것은 아니고, 상황에 따라서 적용하지 않는 경우가 있어도 된다.

스텝 S109에 있어서, 학습용 데이터 기억부(21)는, 스텝 S103에서 검출되어 스텝 S105, 107의 처리에서 선별된 주행 데이터와 환경 정보를 학습용 데이터로서 기억한다. 또한, 본 실시 형태에서는, 미리 데이터를 선별한 후에 기억하는 경우에 대하여 설명하였지만, 수동 운전 중의 데이터를 일단 모두 기억하고 나서, 상술한 스텝 S105, 107의 처리를 실시하여 선별해도 된다.

여기서, 학습용 데이터 기억부(21)에 의해 기억되는 학습용 데이터의 일례를 도 3에 도시한다. 도 3에 도시한 바와 같이, 학습용 데이터에는, 제동 거리 Db, 감속 개시 속도 Vb, x1 내지 x6의 데이터가 기록되어 있다. 제동 거리 Db는 선행차가 부재일 때 차량이 교차점에서 정지하는 경우의 제동 거리이며, 도 4에 도시한 바와 같이 감속을 개시한 시점 t1로부터 속도가 0이 될 때까지의 주행 거리이다. 또한, 감속 개시 속도 Vb는, 선행차가 부재일 때 차량이 교차점에서 정지하는 경우의 감속 개시 속도이다. 도 4에 도시한 바와 같이, 감속 개시는, 브레이크의 개시에 의해 브레이크 스위치가 온되고 나서 차량의 가속도가 -0.1G 이하(감속도가 0.1G 이상)가 된 시점 t1이며, 그때의 속도를 감속 개시 속도 Vb라 하고 있다. 이와 같이 감속 개시를 가속도가 소정값 이하가 된 시점 t1로 설정함으로써, 공주 거리를 제외하고 운전자의 의도에 의한 감속 개시의 타이밍을 추출할 수 있다. 또한, 가속도는 가속도 센서의 출력값을 필터링하여 구해도 되고, 속도의 미분값으로 구해도 된다. 또한, 속도를 시그모이드 함수나 로지스틱 함수 등으로 근사하여, 속도의 변곡점을 감속 개시점으로 해도 된다.

또한, x1 내지 x6은 환경 정보에 기초하여 설정된 데이터이며, 도 5에 도시한 설정 방법에 따라서 0 또는 1의 값이 설정된다. 예를 들어, x1은, 도 3에 도시한 제동 거리 Db와 감속 개시 속도 Vb의 데이터를 취득하였을 때, 차량이 주행하고 있는 도로의 곡률이 소정값 이상인 경우에 1이 설정되고, 곡률이 소정값 미만인 경우에 0이 설정된다. 또한, 도로 곡률 대신에 제한 속도여도 된다. 예를 들어, 차량이 주행하고 있는 도로의 제한 속도가 소정값(40 또는 50㎞/h) 이상인 경우에는 1이 설정되고, 제한 속도가 소정값 미만인 경우에는 0을 설정한다.

또한, x2는, 차량이 내리막길을 주행하고 있는 경우에는 1, 그 이외(평탄로와 오르막길)의 경우에는 0이 설정되고, x3은, 차량 전방의 신호기가 적색 신호인 경우에는 1, 그 이외의 경우(청색 신호 또는 신호기 없음)에는 0이 설정된다. 단, 적색 신호에 황색 신호를 포함시켜도 된다. 또한, x4는, 야간인 경우에는 1, 그 이외인 경우에는 0이 설정된다. 야간인지 여부의 판정은, 헤드라이트의 점등 상태에 따라 판정하면 된다. 또한, x5는, 차량 주위의 날씨가 악천후인 경우에는 1, 악천후가 아닌 경우에는 0이 설정된다. 악천후인지 여부의 판정 방법으로서는, 차량의 와이퍼가 OFF 또는 간헐로 설정되어 있는 경우에는 악천후가 아니라고 판정하고, ON인 경우에는 악천후라고 판정한다. 이때 기온이나 조도 등의 조건을 추가해도 된다. 기온은, 외기온 센서로 마이너스인 경우에는 1, 플러스인 경우에는 0으로 설정한다. 이에 의해, 노면 동결에 의한 특성의 차이에 대응할 수 있다. 조도는, 조도 센서로 밝은 경우에는 1, 어두운 경우에는 0으로 설정하면 된다. 조도 센서가 아니라 헤드라이트의 점등의 유무에 의해 설정해도 된다. 또한, x6은, 차량의 우/좌회전을 위해 방향 지시기가 ON인 경우에는 1, OFF인 경우에는 0이 설정된다.

또한, 도 5에서는, 0이나 1의 2단계로 분류하는 경우에 대하여 기재하였지만, 3단계나 그 이상의 다단계로 분류해도 된다. 이와 같이 도 3에 도시한 학습용 데이터에서는, 제동 거리 Db와 감속 개시 속도 Vb의 주행 데이터에, x1 내지 x6의 환경 정보가 관련지어져 있다. 따라서, 본 실시 형태에서는, 제동 거리 Db와 감속 개시 속도 Vb의 주행 데이터를 사용하여 주행 특성을 학습하고, 또한 차량이 주행하고 있는 환경과 제동 거리를 대응시켜 주행 특성을 학습한다.

또한, 학습용 데이터로서 기억되는 데이터는, 상술한 스텝 S105, 107의 처리에서 선별되므로, 데이터의 변동이 억제되어 있다. 도 6은 선행차 부재 시에 있어서의 감속 개시 속도와 제동 거리 사이의 관계를 나타낸 데이터의 일례를 도시하고 있다. 한편, 도 7은 스텝 S105의 처리를 실시하지 않은 경우, 즉 선행차 부재 시뿐만 아니라 선행차가 있는 경우도 포함한 감속 개시 속도와 제동 거리 사이의 관계를 나타낸 데이터의 일례를 도시하고 있다. 도 7로부터 알 수 있는 바와 같이, 선행차 부재 시로 한정되지 않는 경우에는, 운전자가 선행차 감속에 의존해 버리므로, 데이터가 넓게 변동되어 버린다. 그 때문에, 감속 개시 속도와 제동 거리의 관계를 학습해도 학습 정밀도를 향상시킬 수는 없다. 이에 반해, 선행차 부재 시로 한정한 경우에는, 운전자가 선행차에 의존하지 않고 제동하므로, 도 6에 도시한 바와 같이 데이터의 변동이 억제되어 있다. 이에 의해, 선행차 부재 시로 한정한 경우에는 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 있어, 학습 정밀도를 향상시킬 수 있다.

스텝 S111에 있어서, 학습용 데이터 기억부(21)는, 소정량의 학습용 데이터를 기억할 수 있었는지 여부를 판정하고, 소정량에 미치지 못한 경우에는 스텝 S103으로 되돌아가고, 소정량 이상 축적된 경우에는 스텝 S113으로 진행한다.

스텝 S113에 있어서, 주행 특성 학습부(23)는, 차량의 주행 특성을 학습한다. 특히, 차량의 전방을 주행하는 선행차가 부재일 때의 주행 데이터를 사용하여, 주행 특성 중 차량이 교차점에서 정지하는 경우의 제동 거리를 학습한다. 제동 거리의 학습에서는, 예를 들어 도 3에서 도시한 바와 같은 데이터 세트를 사용하여, 이하의 식 (1)에 나타내는 중회귀 모델을 작성하여 학습한다.

식 (1)에 있어서, Vb는 감속 개시 속도, Db는 모델로부터 계산된 제동 거리이다. x1 내지 x6은 환경 요인이며, c0 내지 c6, d는 학습에 의해 얻어진 계수이다. 이와 같이 식 (1)에 나타내는 중회귀 모델은, 환경 요인에 의해 차량이 교차점에서 정지하는 경우의 제동 거리가 변동되는 것을 나타내고 있다.

또한, 식 (1)의 중회귀 모델은, 감속 개시 행동이 상이한 타입에도 대응하고 있다. 이하에 나타내는 바와 같이, 식 (1)은 식 (2)와 같이 나타낼 수 있고, 식 (1)과 식 (2)로부터 식 (3)과 같이 나타낼 수 있다.

식 (2), (3)에 있어서, a는 평균 감속도(m/s²), 식 (1), (2)에 있어서, d는 TTI(Time to intersection : 제동 개시 시의 속도로 그대로 진행한다고 가정한 경우의 교차점까지의 도달 시간)를 나타낸다.

또한, 운전자에 따라 감속 개시 행동의 타입이 상이하고, 예를 들어 도 8에 도시한 바와 같이 속도에 상관없이 평균 감속도가 거의 일정해지도록 제동을 개시하는 타입과, 도 9에 도시한 바와 같이 TTI가 거의 일정해지도록(즉, 속도가 높을수록 감속도가 높아지도록) 제동을 개시하는 타입이 존재한다. 전자의 타입은 식 (1)에 있어서 Vb²의 계수가 크고, 후자의 타입은 Vb의 계수가 크다. 또한, 전자의 타입은 후자의 타입에 비해, 평균 감속도가 작고, 제동 거리가 긴 경향이 있다. 도 8과 도 9는 극단적인 예를 나타냈지만, 이 중간의 행동을 취하는 운전자도 존재한다. 식 (1)의 중회귀 모델은 Vb²과 Vb의 계수로, 환경 요인과 개인의 감속 행동의 타입의 차이에 대응할 수 있는 모델로 되어 있다.

식 (1)의 계수 중, 도 5에 도시한 바와 같이, c0, d는, 개인별로 설정되는 기준값이다. c0은 x1 내지 x6의 값이 0인 경우의 감속도의 평균값이며, d는 TTI에 대한 의존 정도(즉, 속도에 따른 감속도의 변경 정도)이다. d는, TTI에 대한 의존도가 높을수록 1에 가까운 값이 된다.

주행 특성 학습부(23)는, 도 3에 도시한 바와 같은 학습용 데이터를 사용하여 중회귀 분석을 행하여, 식 (1)의 c0 내지 c6의 계수를 산출한다. 여기서 사용하는 학습용 데이터는, 도 6에 도시한 바와 같은 선행차 부재 시의 주행 데이터만이므로, 변동이 억제되어 있고, 그 결과로서 식 (1)로부터 산출되는 교차점 정지 시의 제동 거리 Db는 도 6의 2차 곡선 F가 된다. 이와 같이 본 실시 형태에서는, 선행차 부재 시의 주행 데이터만을 사용하여 교차점에서 정지하는 경우의 제동 거리를 2차 곡선으로 학습하므로, 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 있다.

또한, 식 (1)에 나타낸 바와 같이, 본 실시 형태에서는, c1x1 내지 c6x6의 항에 따라 차량이 주행하고 있는 환경의 환경 정보를 고려하여 학습할 수 있다. 즉, 환경 정보에 기초하여 제동 거리를 보정할 수 있다. 또한, c1x1 내지 c6x6의 항은, 본 실시 형태에서는 Vb²의 계수로 하고 있지만, Vb의 계수로 해도 된다.

또한, 학습용 데이터는 복수의 트립의 데이터를 사용해도 되고, 1트립의 데이터만을 사용해도 된다. 1트립만으로는 환경 요인의 데이터가 구비되지 않는 경우에는, 환경 요인의 계수에 대해서는 복수의 트립의 학습용 데이터를 사용하여 산출하고, 기준이 되는 c0의 계수에 대해서는 트립 내의 학습용 데이터를 사용하여 산출해도 된다. 이 경우, 그날의 트립이 다른 트립과 비교하여, 신중 경향인 경우나 급한 경향인 경우라도 위화감이 없는 학습 결과를 제공할 수 있다.

또한, 제동 거리는, 트립별로 상이한 특성을 갖는 경우가 있다. 예를 들어, 동승자가 존재할 때나 적재물이 있을 때는, 동승자나 적재물 등에 대한 배려로부터 신중 운전이 되어, 감속도를 억제하여 제동 거리를 길게 하는 경우가 있다. 또한, 목적지에 서둘러 갈 때는 공격적인 운전 경향이 되어, 높은 감속도를 허용하기 때문에 제동 거리가 짧아지는 경우가 있다. 이와 같이 운전할 때의 기분이나 조건에 의해 허용하는 감속도와 제동 거리가 상이한 경우가 있다. 따라서, 트립별로 중회귀 분석을 행함으로써, 그 트립별 제동 거리의 특성을 얻을 수 있다. 또한, 트립별로 학습한 제동 거리의 특성으로, 자동 운전 시의 제동 거리의 제어를 행함으로써, 그 트립에 있어서의 운전자의 기분이나 조건에 맞은 자동 운전 제어를 제공할 수 있다.

여기서, 차량이 주행하고 있는 도로가 구부러져 있는 경우에는, 식 (1)의 x1이 1이 되므로, 식 (1)의 제동 거리 Db는, 구부러져 있지 않은 경우보다 큰 값이 된다. 따라서, 차량이 주행하고 있는 도로가 구부러져 있는 경우에는, 구부러져 있지 않은 경우보다, 제동 거리 Db는 길어지도록 보정된다. 또한, 도로가 구부러져 있는 경우 대신에, 제한 속도가 높은 경우를 사용해도 되므로, 차량이 주행하고 있는 도로의 제한 속도가 소정값 이상인 경우에는, 제한 속도가 소정값보다 낮은 경우보다, 제동 거리 Db는 길어지도록 보정된다.

마찬가지로, 차량이 내리막길을 주행하고 있는 경우에는, 식 (1)의 x2가 1이 되므로, 식 (1)의 제동 거리 Db는, 오르막길을 주행하고 있는 경우보다 큰 값이 된다. 따라서, 차량이 내리막길을 주행하고 있는 경우에는, 오르막길을 주행하고 있는 경우보다, 제동 거리 Db는 길어지도록 보정된다.

또한, 차량의 전방의 신호기가 적색 신호인 경우에는, 식 (1)의 x3이 1이 되므로, 식 (1)의 제동 거리 Db는, 적색 신호 이외의 경우보다 큰 값이 된다. 따라서, 차량의 전방의 신호기가 적색 신호인 경우에는, 적색 신호 이외의 경우보다, 제동 거리 Db는 길어지도록 보정된다.

또한, 차량이 야간을 주행하고 있는 경우에는, 식 (1)의 x4가 1이 되므로, 식 (1)의 제동 거리 Db는, 야간이 아닌 경우보다 큰 값이 된다. 따라서, 차량이 야간을 주행하고 있는 경우에는, 야간이 아닌 경우보다, 제동 거리 Db는 길어지도록 보정된다.

또한, 차량의 주변의 날씨가 악천후인 경우에는, 식 (1)의 x5가 1이 되므로, 식 (1)의 제동 거리 Db는, 악천후가 아닌 경우보다 큰 값이 된다. 따라서, 차량의 주변이 악천후인 경우에는, 악천후가 아닌 경우보다, 제동 거리 Db는 길어지도록 보정된다.

또한, 방향 지시기가 ON이며 차량이 우/좌회전하는 경우에는, 식 (1)의 x6이 1이 되므로, 식 (1)의 제동 거리 Db는, 방향 지시기가 OFF이며 우/좌회전하지 않는 경우보다 큰 값이 된다. 따라서, 차량이 우/좌회전하는 경우에는, 우/좌회전하지 않는 경우보다, 제동 거리 Db는 길어지도록 보정되도록 해도 된다.

상술한 바와 같은 주행 특성의 학습 외에, 주행 특성 학습부(23)는, 제동 거리의 학습 결과에 기초하여, 운전자의 운전 스타일을 판정해도 된다. 제동 거리의 특성은, 운전자 개인의 운전 스타일과 일치하는 경향을 나타내는 경우가 있다. 예를 들어, 식 (1)에 있어서의 Vb²의 계수 c0은 운전자의 신중도를 반영하고 있고, 도 10에 도시한 바와 같이 c0의 값이 높을수록 신중도가 높아진다. 즉, c0이 높은(신중도가 높은) 운전자는 평균 감속도가 낮고, 제동 거리가 길기 때문에, 교차점에 있어서 빠르게 감속을 개시하고, 신중하다고 판정할 수 있다. 도 10은, 계수 c0이 클수록, 신중도가 커지는 것을 나타내고 있다.

또한, c0이 높을수록 Vb의 계수 d는 작아지는 경향이 있기 때문에, 도 11에 도시한 바와 같이 d의 값이 작을수록, 신중도가 높다고 판정해도 된다. 또한, 도 12에 도시한 바와 같이 중회귀 모델의 결정 계수 R²을 사용하여, 운전자의 꼼꼼한 정도를 판정할 수도 있다. 결정 계수는, 중회귀 모델의 적합 정도를 나타내는 값이며 1에 가까울수록, 데이터의 변동이 적고, 모델에 잘 들어맞음을 나타낸다. 즉, 결정 계수가 높을수록, 제동 거리가 언제나 일정하다고 생각되어, 운전자가 꼼꼼하다고 판정할 수 있다. 이와 같이 하여 판정된 개인의 운전 스타일은, 운전자 자신에게 제공해도 되고, 외부 서버를 활용하여 다른 운전자와의 비교를 행하여, 전체 중에서 어느 정도의 꼼꼼한 경향인지를 판정하고, 운전자 또는 관리자에게 정보 제공해도 된다.

스텝 S115에 있어서, 주행 특성 학습부(23)는, 산출한 식 (1)의 c0 내지 c6의 계수를 학습 결과로서 기억하고, 본 실시 형태에 관한 주행 특성 학습 처리를 종료한다.

[자동 운전 제어 처리의 수순]

다음에, 본 실시 형태에 관한 운전 제어 장치(1)에 의한 자동 운전 제어 처리의 수순을 도 13의 흐름도를 참조하여 설명한다.

도 13에 도시한 바와 같이, 스텝 S201에 있어서, 자동 운전 제어 실행부(25)는, 도 2에 도시한 주행 특성 학습 처리에 의해, 교차점에서 정지하는 경우의 제동 거리의 학습이 완료되었는지 여부를 판정한다. 학습이 완료된 경우에는 스텝 S203으로 진행하고, 학습이 완료되지 않은 경우에는 스텝 S211로 진행한다.

먼저, 제동 거리의 학습이 완료된 경우에 대하여 설명한다. 스텝 S203에 있어서, 자동 운전 제어 실행부(25)는, 주행 상태 검출부(3) 및 주행 환경 검출부(5)로부터 차량의 주행 상태에 관한 주행 데이터와 차량 주위의 주행 환경에 관한 환경 정보를 검출한다.

스텝 S205에 있어서, 자동 운전 제어 실행부(25)는, 학습 결과에 기초하여 교차점에서 정지하는 경우의 제동 거리를 설정한다. 구체적으로는, 학습 결과인 c0 내지 c6의 계수를 식 (1), (2)에 설정하고, 검출한 감속 개시 속도를 식 (1)에 입력함으로써, 교차점에서 정지하는 경우의 제동 거리 Db를 산출한다. 그리고, 자동 운전 제어 실행부(25)는, 산출한 제동 거리 Db를 자동 운전에 적용하는 제동 거리로서 설정한다. 즉, 제동 거리의 학습 결과를 자동 운전 시의 제동 거리에 적용한다.

스텝 S207에 있어서, 자동 운전 제어 실행부(25)는, 설정된 제동 거리를 사용하여 자동 운전 제어를 실행한다. 구체적으로, 자동 운전 제어 실행부(25)는, 제어 실행 명령을 액추에이터(11)에 송신하여, 자동 운전에 필요한 액셀러레이터나 브레이크, 스티어링 등의 조작을 실행한다.

스텝 S209에 있어서, 자동 운전 제어 실행부(25)는, 자동 운전이 종료되었는지 여부를 판정하고, 종료되지 않은 경우에는 스텝 S203으로 되돌아가 자동 운전을 계속한다. 한편, 자동 운전이 수동 운전으로 전환되어 자동 운전이 종료된 경우에는, 본 실시 형태에 관한 자동 운전 제어 처리를 종료한다.

다음에, 제동 거리의 학습이 완료되지 않은 경우에 대하여 설명한다. 스텝 S211에 있어서, 자동 운전 제어 실행부(25)는, 주행 상태 검출부(3) 및 주행 환경 검출부(5)로부터 차량의 주행 상태에 관한 주행 데이터와 차량 주위의 주행 환경에 관한 환경 정보를 검출한다.

스텝 S213에 있어서, 자동 운전 제어 실행부(25)는, 교차점에서 정지하는 경우의 제동 거리로서 미리 설정된 소정값을 설정한다. 이 소정값은, 일반적인 제동 거리의 값이나 평균값을 사용하면 된다.

스텝 S215에 있어서, 자동 운전 제어 실행부(25)는, 설정된 제동 거리를 사용하여 자동 운전 제어를 실행한다. 구체적으로, 자동 운전 제어 실행부(25)는, 제어 실행 명령을 액추에이터(11)에 송신하여, 자동 운전에 필요한 액셀러레이터나 브레이크, 스티어링 등의 조작을 실행한다.

스텝 S217에 있어서, 자동 운전 제어 실행부(25)는, 자동 운전이 종료되었는지 여부를 판정하고, 종료되지 않은 경우에는 스텝 S211로 되돌아가 자동 운전을 계속한다. 한편, 자동 운전이 수동 운전으로 전환되어 자동 운전이 종료된 경우에는, 본 실시 형태에 관한 자동 운전 제어 처리를 종료한다.

[실시 형태의 효과]

이상 상세하게 설명한 바와 같이, 본 실시 형태에 관한 주행 지원 방법에서는, 운전자에 의한 수동 운전과 자동 운전을 전환 가능한 차량에 있어서, 차량의 전방의 선행차가 부재일 때의 제동 거리를 우선하여 학습한다. 이에 의해, 선행차의 감속에 의존해 버리는 상황에서 제동 거리를 학습하는 일이 없어져, 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 차량의 전방의 선행차가 부재일 때의 제동 거리만을 학습한다. 이에 의해, 선행차의 감속에 의존해 버리는 상황을 배제하고 제동 거리를 학습할 수 있어, 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 선행차가 부재일 때 차량이 교차점에서 정지하는 경우의 감속 개시 속도와, 선행차가 부재일 때 차량이 교차점에서 정지하는 경우의 제동 거리를 사용하여 학습한다. 이에 의해, 선행차의 감속에 의존해 버리는 상황의 주행 데이터를 사용하는 일이 없어져, 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 선행차가 부재일 때 차량이 교차점에서 정지하는 경우의 감속 개시 속도와, 선행차가 부재일 때 차량이 교차점에서 정지하는 경우의 제동 거리의 관계를 2차 곡선으로 모델화한다. 이에 의해, 감속 개시 속도와 제동 거리의 관계를 정확하게 파악할 수 있어, 운전자의 감각을 파악한 제동 거리를 고정밀도로 학습할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 브레이크 페달의 조작, 액셀러레이터 페달의 조작, 차량의 감속도 중 적어도 하나로부터 차량의 감속 개시를 검출한다. 이에 의해, 운전자가 감속을 개시하였을 때의 주행 데이터를 확실하게 취득할 수 있다. 특히, 브레이크 페달이 조작되고 있을 때는 명확한 감속 조작이기 때문에, 가장 변동이 적은 주행 데이터를 취득할 수 있다. 또한, 액셀러레이터 페달이 조작되고 있지 않을 때의 주행 데이터를 취득하면, 감속 준비 행동의 데이터까지 포함시켜 취득할 수 있다. 또한, 감속도가 소정값 이상이 된 경우에 감속 개시로 판정하면, 모든 장면에서의 감속 조작을 검출할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 차량의 속도가 소정값 이하가 되는 경우에 차량의 정지를 검출한다. 이에 의해, 차량의 정지를 확실하게 검출하여, 제동 거리를 고정밀도로 학습할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 차량의 감속 개시로부터 교차점의 정지선까지의 거리를 제동 거리로 한다. 이에 의해, 차량이 실제로 정지한 위치에 좌우되지 않고 제동 거리를 구할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 선행차가 미검출인 경우와, 차량과 선행차 사이의 차간 거리가 소정값 이상인 경우에, 선행차가 부재라고 판단한다. 이에 의해, 선행차가 부재일 때의 주행 데이터를 확실하게 취득할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 차량이 교차점에서 정지할 때 최대 감속도가 소정값 이상이 되는 제동 거리를 사용하지 않는다. 이에 의해, 의도하지 않은 급브레이크를 건 경우의 주행 데이터를 제외할 수 있으므로, 안정된 상태일 때의 주행 데이터를 사용하여 고정밀도로 학습할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 차량이 교차점에서 정지할 때 감속 개시 속도가 소정값 이하가 되는 제동 거리를 사용하지 않는다. 이에 의해, 크리프에서의 발진 후와 같은 매우 저속의 주행 데이터를 제외할 수 있으므로, 안정된 상태일 때의 주행 데이터를 사용하여 고정밀도로 학습할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 차량이 주행하고 있는 환경과 제동 거리를 대응시켜 학습한다. 교차점에서 정지할 때의 제동 거리는, 환경 조건에 따라 상이한 특성을 갖는다. 따라서, 차량이 주행하고 있는 환경을 고려한 중회귀 분석을 행함으로써, 환경 조건을 반영시킨 제동 거리의 학습을 행할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 차량이 주행하고 있는 환경으로서, 차량이 주행하는 도로의 차선수, 도로 곡률, 제한 속도, 도로 구배, 일시 정지 규제의 유무 또는 신호기의 표시 상태를 사용한다. 또한, 차량의 방향 지시기의 표시 상태, 차량의 주변의 날씨, 기온 또는 조도를 사용한다. 이에 의해, 상이한 환경 조건을 개별적으로 구체적으로 반영시켜 제동 거리를 학습할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서, 차량이 내리막길을 주행하고 있는지 여부를 판정하고, 차량이 내리막길을 주행하고 있는 경우에는, 오르막길을 주행하고 있는 경우보다, 제동 거리가 길어지도록 주행 특성을 설정한다. 이에 의해, 제동이 곤란한 내리막길에서 안전성을 향상시킬 수 있으므로, 운전자에게 안심감을 줄 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서, 차량이 우/좌회전하는지 여부를 판정하고, 차량이 우/좌회전하는 경우에는, 우/좌회전하지 않는 경우보다, 제동 거리가 길어지도록 주행 특성을 설정한다. 이에 의해, 우/좌회전하는 경우에 안전성을 향상시킬 수 있으므로, 운전자에게 안심감을 줄 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서, 차량의 전방의 신호기가 적색 신호인지 여부를 판정하고, 차량의 전방의 신호기가 적색 신호인 경우에는, 적색 신호 이외의 경우보다, 제동 거리가 길어지도록 주행 특성을 설정한다. 이에 의해, 정지할 필요가 있는 적색 신호일 때 안전성을 향상시킬 수 있으므로, 운전자에게 안심감을 줄 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서, 차량이 주행하고 있는 도로가 구부러져 있는지 여부를 판정하고, 차량이 주행하고 있는 도로가 구부러져 있는 경우에는, 구부러져 있지 않은 경우보다, 제동 거리가 길어지도록 주행 특성을 설정한다. 이에 의해, 구부러져 있어 앞이 잘 보이지 않는 도로에서 안전성을 향상시킬 수 있으므로, 운전자에게 안심감을 줄 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서, 차량이 야간을 주행하고 있는지 여부를 판정하고, 차량이 야간을 주행하고 있는 경우에는, 야간이 아닌 경우보다, 제동 거리가 길어지도록 주행 특성을 설정한다. 이에 의해, 어두워서 시계가 나쁜 야간에 안전성을 향상시킬 수 있으므로, 운전자에게 안심감을 줄 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서, 차량의 주변의 날씨가 악천후인지 여부를 판정하고, 차량의 주변의 날씨가 악천후인 경우에는, 악천후가 아닌 경우보다, 제동 거리가 길어지도록 주행 특성을 설정한다. 이에 의해, 차량 주변이 악천후일 때 안전성을 향상시킬 수 있으므로, 운전자에게 안심감을 줄 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서, 차량이 주행하고 있는 도로의 제한 속도가 소정값 이상인지 여부를 판정하고, 차량이 주행하고 있는 도로의 제한 속도가 소정값 이상인 경우에는, 제한 속도가 소정값보다 낮은 경우보다, 제동 거리가 길어지도록 주행 특성을 설정한다. 이에 의해, 차속이 높아지는 도로에서 안전성을 향상시킬 수 있으므로, 운전자에게 안심감을 줄 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 제동 거리의 학습 결과에 기초하여, 운전자의 운전 스타일을 판정한다. 이에 의해, 운전자의 정성적인 경향을 알 수 있으므로, 수동 운전 시에 참고로 함으로써 안전성을 향상시킬 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 차량의 외부에 외부 서버를 구비하고, 이 외부 서버로 제동 거리를 학습한다. 이에 의해, 차량에 있어서의 처리 부하를 경감할 수 있다.

또한, 본 실시 형태에 관한 주행 지원 방법에서는, 제동 거리의 학습 결과를, 차량의 자동 운전 시의 제동 거리에 적용한다. 이에 의해, 선행차가 부재일 때의 주행 데이터를 사용하여 학습한 제동 거리를 자동 운전에 적용할 수 있으므로, 운전자의 감각을 파악한 자동 운전을 제공할 수 있다.

또한, 상술한 실시 형태는 본 발명의 일례이다. 이 때문에, 본 발명은 상술한 실시 형태에 한정되지 않고, 이 실시 형태 이외의 형태라도, 본 발명에 관한 기술적 사상을 일탈하지 않는 범위이면, 설계 등에 따라 다양한 변경이 가능한 것은 물론이다.

1 : 운전 제어 장치
3 : 주행 상태 검출부
5 : 주행 환경 검출부
7 : 운전 전환 스위치
9 : 제어 상태 제시부
11 : 액추에이터
21 : 학습용 데이터 기억부
23 : 주행 특성 학습부
25 : 자동 운전 제어 실행부
100 : 운전 제어 시스템

Claims

운전자에 의한 수동 운전과 자동 운전을 전환 가능한 차량에 있어서, 운전자의 수동 운전 중에 있어서의 교차점에서 정지하는 경우의 제동 거리를 학습하고, 이 학습 결과를 교차점에서 정지하는 경우의 자동 운전의 주행 특성에 적용하는 운전 제어 장치의 주행 지원 방법이며,
상기 차량의 전방의 선행차가 부재인지 여부를 판정하고,
부재로 판정한 경우에, 상기 차량의 전방의 선행차가 부재일 때의 제동 거리를 학습하는 것을 특징으로 하는 주행 지원 방법.
제1항에 있어서,
상기 차량의 전방의 선행차를 검출하고, 상기 차량과 상기 선행차 사이의 차간 거리가 소정값 이상인 경우에, 제동 거리를 학습하는 것을 특징으로 하는 주행 지원 방법.
제1항에 있어서,
상기 차량의 전방의 선행차가 부재일 때의 제동 거리만을 학습하는 것을 특징으로 하는 주행 지원 방법.
제1항에 있어서,
상기 차량의 전방의 선행차가 부재일 때 상기 차량이 교차점에서 정지하는 경우의 감속 개시 속도와, 상기 차량의 전방의 선행차가 부재일 때 상기 차량이 교차점에서 정지하는 경우의 제동 거리를 사용하여 학습하는 것을 특징으로 하는 주행 지원 방법.
제1항 또는 제2항에 있어서,
상기 차량의 전방의 선행차가 부재일 때 상기 차량이 교차점에서 정지하는 경우의 감속 개시 속도와, 상기 차량의 전방의 선행차가 부재일 때 상기 차량이 교차점에서 정지하는 경우의 제동 거리의 관계를 학습하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
브레이크 페달의 조작, 액셀러레이터 페달의 조작, 상기 차량의 감속도 중 적어도 하나로부터 상기 차량의 감속 개시를 검출하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 차량의 속도가 소정값 이하가 되는 경우에 상기 차량의 정지를 검출하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 차량의 감속 개시로부터 교차점의 정지선까지의 거리를, 상기 제동 거리로 하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 차량의 전방의 선행차가 미검출인 경우와, 상기 차량과 선행차 사이의 차간 거리가 소정값 이상인 경우에, 선행차가 부재라고 판단하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 차량이 교차점에서 정지할 때 최대 감속도가 소정값 이상이 되는 제동 거리를 사용하지 않는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 차량이 교차점에서 정지할 때 감속 개시 속도가 소정값 이하가 되는 제동 거리를 사용하지 않는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 차량이 주행하고 있는 환경과 상기 제동 거리를 대응시켜 학습하는 것을 특징으로 하는 주행 지원 방법.
제12항에 있어서,
상기 차량이 주행하고 있는 환경은, 상기 차량이 주행하는 도로의 차선수, 도로 곡률, 제한 속도, 도로 구배, 일시 정지 규제의 유무 또는 신호기의 표시 상태, 상기 차량의 방향 지시기의 표시 상태, 상기 차량의 주변의 날씨, 기온 또는 조도 중 적어도 하나인 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서,
상기 차량이 내리막길을 주행하고 있는지 여부를 판정하고,
상기 차량이 내리막길을 주행하고 있는 경우에는, 오르막길을 주행하고 있는 경우보다, 상기 제동 거리가 길어지도록 주행 특성을 설정하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서,
상기 차량이 우/좌회전하는지 여부를 판정하고,
상기 차량이 우/좌회전하는 경우에는, 우/좌회전하지 않는 경우보다, 상기 제동 거리가 길어지도록 주행 특성을 설정하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서,
상기 차량의 전방의 신호기가 적색 신호인지 여부를 판정하고,
상기 차량의 전방의 신호기가 적색 신호인 경우에는, 적색 신호 이외의 경우보다, 상기 제동 거리가 길어지도록 주행 특성을 설정하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서,
상기 차량이 주행하고 있는 도로가 구부러져 있는지 여부를 판정하고,
상기 차량이 주행하고 있는 도로가 구부러져 있는 경우에는, 구부러져 있지 않은 경우보다, 상기 제동 거리가 길어지도록 주행 특성을 설정하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서,
상기 차량이 야간을 주행하고 있는지 여부를 판정하고,
상기 차량이 야간을 주행하고 있는 경우에는, 야간이 아닌 경우보다, 상기 제동 거리가 길어지도록 주행 특성을 설정하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서,
상기 차량의 주변의 날씨가 악천후인지 여부를 판정하고,
상기 차량의 주변의 날씨가 악천후인 경우에는, 악천후가 아닌 경우보다, 상기 제동 거리가 길어지도록 주행 특성을 설정하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 학습 결과를 자동 운전의 주행 특성에 적용하는 경우에 있어서,
상기 차량이 주행하고 있는 도로의 제한 속도가 소정값 이상인지 여부를 판정하고,
상기 차량이 주행하고 있는 도로의 제한 속도가 소정값 이상인 경우에는, 상기 제한 속도가 소정값보다 낮은 경우보다, 상기 제동 거리가 길어지도록 주행 특성을 설정하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 제동 거리의 학습 결과에 기초하여, 운전자의 운전 스타일을 판정하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 차량의 외부에 외부 서버를 구비하고, 상기 외부 서버로 상기 제동 거리를 학습하는 것을 특징으로 하는 주행 지원 방법.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 제동 거리의 학습 결과를, 상기 차량의 자동 운전 시의 제동 거리에 적용하는 것을 특징으로 하는 주행 지원 방법.
운전자에 의한 수동 운전과 자동 운전을 전환 가능한 차량에 있어서, 운전자의 수동 운전 중에 있어서의 교차점에서 정지하는 경우의 제동 거리를 학습하고, 이 학습 결과를 교차점에서 정지하는 경우의 자동 운전의 주행 특성에 적용하는 운전 제어 장치이며,
상기 차량의 전방의 선행차가 부재인지 여부를 판정하고,
부재로 판정한 경우에, 상기 차량의 전방의 선행차가 부재일 때의 제동 거리를 학습하는 것을 특징으로 하는 운전 제어 장치.