WO2018163288A1 - 走行支援方法及び運転制御装置 - Google Patents

走行支援方法及び運転制御装置 Download PDF

Info

Publication number
WO2018163288A1
WO2018163288A1 PCT/JP2017/009021 JP2017009021W WO2018163288A1 WO 2018163288 A1 WO2018163288 A1 WO 2018163288A1 JP 2017009021 W JP2017009021 W JP 2017009021W WO 2018163288 A1 WO2018163288 A1 WO 2018163288A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
driving
braking distance
support method
traveling
Prior art date
Application number
PCT/JP2017/009021
Other languages
English (en)
French (fr)
Inventor
平松　真知子
Original Assignee
日産自動車株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日産自動車株式会社 filed Critical 日産自動車株式会社
Priority to CA3055702A priority Critical patent/CA3055702A1/en
Priority to RU2019131368A priority patent/RU2720862C1/ru
Priority to CN201780087833.8A priority patent/CN110382319B/zh
Priority to BR112019018405A priority patent/BR112019018405A2/pt
Priority to MX2019010512A priority patent/MX2019010512A/es
Priority to PCT/JP2017/009021 priority patent/WO2018163288A1/ja
Priority to JP2019504173A priority patent/JP6773210B2/ja
Priority to KR1020197025694A priority patent/KR102075328B1/ko
Priority to EP17900250.6A priority patent/EP3594077A4/en
Priority to US16/491,033 priority patent/US10787173B2/en
Publication of WO2018163288A1 publication Critical patent/WO2018163288A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/181—Preparing for stopping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/005—Handover processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/174—Using electrical or electronic regulation means to control braking characterised by using special control logic, e.g. fuzzy logic, neural computing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18154—Approaching an intersection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/072—Curvature of the road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/076—Slope angle of the road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/082—Selecting or switching between different modes of propelling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/10—Interpretation of driver requests or demands
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/005—Handover processes
    • B60W60/0051—Handover processes from occupants to vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0061—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/007—Switching between manual and automatic parameter input, and vice versa
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/04—Vehicle stop
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/10—Accelerator pedal position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/12—Brake pedal position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/20—Direction indicator values
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/10—Number of lanes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/30—Road curve radius
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/106—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18109—Braking

Definitions

  • the present invention relates to a driving support method for learning driving data during manual driving of a driver in a vehicle that can be switched between manual driving and automatic driving by the driver, and driving control that applies the learning result to the driving characteristics of the automatic driving. Relates to the device.
  • Patent Document 1 is disclosed as a driving control device that learns driving operation by a driver during manual driving in order to enable automatic driving while suppressing a driver's uncomfortable feeling.
  • the driving control device disclosed in Patent Document 1 sets environmental items such as the number of lanes and weather, specifies the driving environment from the environmental items during manual driving, and learns the driving operation of the driver in association with the driving environment. It was.
  • the present invention has been proposed in view of the above-described circumstances, and an object thereof is to provide a driving support method and a driving control device that can accurately learn a braking distance that captures a driver's feeling. To do.
  • a driving support method and a driving control device learn a braking distance when stopping at an intersection during a driver's manual driving, and a preceding vehicle ahead of the vehicle. Learning by giving priority to the braking distance when the is absent.
  • the braking distance that captures the driver's feeling can be learned with high accuracy.
  • FIG. 1 is a block diagram showing a configuration of an operation control system including an operation control apparatus according to an embodiment of the present invention.
  • FIG. 2 is a flowchart showing a processing procedure of a travel characteristic learning process by the operation control apparatus according to the embodiment of the present invention.
  • FIG. 3 is a diagram illustrating an example of data input in the travel characteristic learning process according to the embodiment of the present invention.
  • FIG. 4 is a diagram for explaining a deceleration start speed and a braking distance when the vehicle stops at an intersection.
  • FIG. 5 is a diagram for explaining the coefficients of the multiple regression analysis executed in the running characteristic learning process according to the embodiment of the present invention.
  • FIG. 1 is a block diagram showing a configuration of an operation control system including an operation control apparatus according to an embodiment of the present invention.
  • FIG. 2 is a flowchart showing a processing procedure of a travel characteristic learning process by the operation control apparatus according to the embodiment of the present invention.
  • FIG. 3 is a diagram illustrating an example of data input in
  • FIG. 6 is a diagram illustrating an example of data indicating a relationship between the deceleration start speed and the braking distance when the preceding vehicle is absent.
  • FIG. 7 is a diagram illustrating an example of data indicating a relationship between the deceleration start speed and the braking distance not only when the preceding vehicle is absent but in all cases.
  • FIG. 8 is a diagram illustrating an example of data indicating the relationship between the deceleration start speed and the braking distance in the case of a driver that starts braking so that the average deceleration is constant.
  • FIG. 9 is a diagram illustrating an example of data indicating a relationship between a deceleration start speed and a braking distance in the case of a driver of a type that starts braking so that TTI (Time to intersection) is constant.
  • FIG. 10 is a diagram for explaining a method for determining the degree of prudence by the travel characteristic learning process according to the embodiment of the present invention.
  • FIG. 11 is a diagram for explaining a method of determining the degree of prudence by the travel characteristic learning process according to an embodiment of the present invention.
  • FIG. 12 is a diagram for explaining a method for determining the degree of carefulness by the running characteristic learning process according to the embodiment of the present invention.
  • FIG. 13 is a flowchart showing a processing procedure of automatic driving control processing by the driving control apparatus according to the embodiment of the present invention.
  • FIG. 1 is a block diagram illustrating a configuration of an operation control system including an operation control device according to the present embodiment.
  • the driving control system 100 includes a driving control device 1, a driving state detection unit 3, a driving environment detection unit 5, a driving changeover switch 7, and a control state presenting unit 9. It has. Furthermore, the operation control system 100 is connected to an actuator 11 mounted on the vehicle.
  • the driving control device 1 learns driving data during manual driving by the driver in a vehicle that can be switched between manual driving and automatic driving by the driver, and executes processing for applying the learning result to the driving characteristics of the automatic driving. Controller.
  • the driving control device 1 executes driving characteristic learning processing for learning the braking distance when the vehicle stops at an intersection by preferentially using the driving data when there is no preceding vehicle traveling in front of the vehicle. To do.
  • travel characteristic learning process travel data when the preceding vehicle is absent is selected from the travel data during manual operation, and learning is performed using the selected travel data when the preceding vehicle is absent. That is, learning is performed using only the traveling data when the preceding vehicle is absent.
  • the driving control device 1 includes a learning data storage unit 21, a travel characteristic learning unit 23, and an automatic driving control execution unit 25.
  • this embodiment demonstrates the case where the driving control apparatus 1 is mounted in a vehicle, a communication apparatus is installed in a vehicle, a part of the driving control apparatus 1 is installed in an external server, and a running characteristic learning process is performed. You may let them.
  • the driving control device 1 is mounted on a vehicle, the driving characteristics of the driver who owns or uses the vehicle can be learned. And the driving
  • the driving data of other drivers can be utilized to reflect the average driving characteristics of the driver in the area in automatic driving.
  • the traveling state detection unit 3 detects traveling data indicating the traveling state of the vehicle such as the vehicle speed and acceleration, the presence / absence of a preceding vehicle, the current position, the direction indicator display state, the headlight lighting state, and the wiper operating state.
  • traveling data indicating the traveling state of the vehicle such as the vehicle speed and acceleration, the presence / absence of a preceding vehicle, the current position, the direction indicator display state, the headlight lighting state, and the wiper operating state.
  • an in-vehicle network such as CAN (Controller Area Network), a navigation device, a laser radar, a camera, and the like.
  • the running state detection unit 3 detects the operation amount of the brake pedal and the accelerator pedal of the vehicle, the speed and deceleration of the vehicle, as data for detecting the start and stop of deceleration of the vehicle.
  • the travel environment detection unit 5 includes the number of lanes of the road on which the vehicle travels, the speed limit, the road gradient, the road curvature, the display state of the traffic signal in front of the vehicle, the distance to the intersection in front of the vehicle, the planned course of the intersection in front of the vehicle, Environmental information representing the environment in which the vehicle is traveling, such as whether there is a stop restriction, is detected.
  • the planned course at the intersection in front of the vehicle is obtained from the display state of the navigation device or the direction indicator.
  • the illuminance, temperature, and weather conditions around the vehicle are acquired from the illuminance sensor, the outside temperature sensor, and the wiper switch, respectively.
  • the illuminance may be obtained from a headlight switch.
  • the operation changeover switch 7 is a switch that is mounted on the vehicle and is switched between automatic operation and manual operation when operated by a vehicle occupant.
  • a switch installed on the steering of the vehicle.
  • the control state presentation unit 9 displays whether the current control state is manual operation or automatic operation on a meter display unit, a display screen of a navigation device, a head-up display, or the like. In addition, a notification sound that informs the start and end of automatic driving is also output to indicate whether or not learning of driving characteristics has ended.
  • Actuator 11 receives an execution command from operation control device 1 and drives each part such as an accelerator, a brake, and a steering of the vehicle.
  • the learning data storage unit 21 acquires travel data related to the travel state of the vehicle and environmental information related to the travel environment around the vehicle from the travel state detection unit 3 and the travel environment detection unit 5, and stores data necessary for the travel characteristic learning process. To do. In particular, the learning data storage unit 21 stores travel data when there is no preceding vehicle used for learning the braking distance when stopping at an intersection during manual driving. At this time, the learning data storage unit 21 stores the traveling data when the preceding vehicle is absent in association with the traveling state and traveling environment of the vehicle.
  • the travel data to be stored are data such as a deceleration start speed when the vehicle stops at the intersection when the preceding vehicle is absent and a braking distance when the vehicle stops at the intersection when the preceding vehicle is absent.
  • data such as the operation amount of the brake pedal and the accelerator pedal of the vehicle, the speed and deceleration of the vehicle, and the distance to the stop line at the intersection are stored.
  • environmental information is stored. Environmental information includes the number of lanes on the road on which the vehicle is traveling, road curvature, speed limit, road slope, presence / absence of suspension restrictions or traffic light display status, direction indicator display status, weather around the vehicle, temperature or illuminance Etc.
  • the driving characteristic learning unit 23 reads the driving data stored in the learning data storage unit 21 and learns the driving characteristic of the vehicle in consideration of the influence state from the driving state and the driving environment.
  • the driving data when there is no preceding vehicle traveling in front of the vehicle is preferentially used to learn the braking distance when stopping at an intersection among the traveling characteristics of the vehicle.
  • the travel characteristic learning unit 23 selects travel data when the preceding vehicle is absent from travel data during manual operation, and learns using the selected travel data when the preceding vehicle is absent. That is, the braking distance when the vehicle stops at the intersection is learned using only the traveling data when the preceding vehicle is absent.
  • the travel characteristic learning unit 23 learns in consideration of environment information of the environment in which the vehicle is traveling, and learns for each trip of the vehicle. Furthermore, the driving style of the driver may be determined based on the learning result of the braking distance when stopping at the intersection. The learning result calculated in this way is stored in the running characteristic learning unit 23 as needed.
  • the automatic operation control execution unit 25 executes automatic operation control when an automatic operation section is entered or when the driver selects automatic operation using the operation changeover switch 7. At this time, the automatic driving control execution unit 25 applies the learning result learned by the driving characteristic learning unit 23 to the driving characteristic of automatic driving. In particular, the learning result of the braking distance when stopping at an intersection is applied to the braking distance during automatic driving.
  • the operation control device 1 includes a general-purpose electronic circuit including a microcomputer, a microprocessor, and a CPU, and peripheral devices such as a memory. And by operating a specific program, it operates as the above-described learning data storage unit 21, travel characteristic learning unit 23, and automatic driving control execution unit 25.
  • Each function of the operation control apparatus 1 can be implemented by one or a plurality of processing circuits.
  • the processing circuit includes a programmed processing device such as, for example, a processing device including an electrical circuit, and an application specific integrated circuit (ASIC) or conventional circuit arranged to perform the functions described in the embodiments. It also includes devices such as parts.
  • step S ⁇ b> 101 the learning data storage unit 21 determines whether or not the vehicle is in manual operation according to the state of the operation changeover switch 7. If the vehicle is in manual driving, the process proceeds to step S103. If the vehicle is in automatic driving, the driving characteristic learning process is terminated and automatic driving control is executed.
  • the learning data storage unit 21 detects travel data related to the travel state of the vehicle and environmental information related to the travel environment around the vehicle from the travel state detection unit 3 and the travel environment detection unit 5.
  • the detected travel data includes vehicle speed, steering angle, acceleration, deceleration, inter-vehicle distance from the preceding vehicle, relative speed with the preceding vehicle, current position, planned route at the front intersection, brake pedal and accelerator pedal operation amount, Detects the lighting state of the headlight, the operating state of the wiper, etc.
  • the environmental information includes the number of lanes of the road on which the vehicle travels, road curvature, speed limit, road gradient, presence / absence of suspension regulation or traffic light display status, distance from the vehicle to the stop line at the intersection, and direction indication of the vehicle
  • the display state of the device, weather around the vehicle, temperature or illuminance, etc. are detected.
  • step S105 the learning data storage unit 21 determines whether or not a preceding vehicle traveling in front of the vehicle is absent.
  • the inter-vehicle distance between the vehicle and the preceding vehicle is a predetermined value (for example, when it is equal to or greater than 50 m), it may be determined that the preceding vehicle is absent.
  • it determines with a preceding vehicle being absent it progresses to step S107, and when it determines with a preceding vehicle not being absent, it returns to step S103.
  • step S107 the learning data storage unit 21 determines whether or not the current running state of the vehicle matches the exclusion factor.
  • An exclusion factor specifies a case in which it is not appropriate to acquire data used for learning driving characteristics.
  • Exclusion factors include (A) that the maximum deceleration is greater than or equal to a predetermined value (eg, 0.3 G) when the vehicle stops at an intersection, and (B) the deceleration start speed is a predetermined value when the vehicle stops at the intersection. (For example, 10 km / h) or less.
  • the learning data storage unit 21 proceeds to step S109 if it does not match these exclusion factors, and returns to step S103 if they match.
  • exclusion factor (A) it is possible to exclude the data in the case of sudden braking that is not intended, and by applying the exclusion factor (B), after the start of the creep Very slow data can be excluded. Therefore, by setting these exclusion factors (A) and (B), it is possible to obtain travel data when in a normal deceleration state.
  • exclusion factors are not necessarily applied, and may not be applied depending on the situation.
  • step S109 the learning data storage unit 21 stores the travel data and environment information detected in step S103 and selected in the processes in steps S105 and 107 as learning data.
  • the data is stored after being selected in advance has been described. However, after all the data during manual operation is stored once, the above-described steps S105 and 107 may be performed for selection. Good.
  • the learning data includes data of braking distance Db, deceleration start speed Vb, and x1 to x6.
  • the braking distance Db is a braking distance when the vehicle stops at the intersection when there is no preceding vehicle, and is a traveling distance from the time t1 when deceleration is started until the speed becomes zero as shown in FIG.
  • the deceleration start speed Vb is a deceleration start speed when the vehicle stops at an intersection when there is no preceding vehicle. As shown in FIG.
  • the deceleration start is time t1 when the acceleration of the vehicle becomes ⁇ 0.1 G or less (deceleration is 0.1 G or more) after the brake switch is turned on by the start of braking. Is the deceleration start speed Vb.
  • the acceleration may be obtained by filtering the output value of the acceleration sensor, or may be obtained by a differential value of speed.
  • the speed may be approximated by a sigmoid function or a logistic function, and the inflection point of the speed may be set as the deceleration start point.
  • X1 to x6 are data set based on the environment information, and 0 or 1 is set according to the setting method shown in FIG.
  • x1 is set to 1 when the data of the braking distance Db and the deceleration start speed Vb shown in FIG. 3 is acquired, and the curvature of the road on which the vehicle is traveling is equal to or greater than a predetermined value. If it is less than the value, 0 is set.
  • a speed limit may be used instead of the road curvature.
  • 1 is set when the speed limit of the road on which the vehicle is traveling is equal to or higher than a predetermined value (40 or 50 km / h), and 0 is set when the speed limit is less than the predetermined value.
  • x2 is set to 1 when the vehicle is traveling on a downhill, 0 is set otherwise (flat road and uphill), and x3 is set when the traffic light ahead of the vehicle is a red signal. Is set to 1; otherwise, 0 is set (blue light or no traffic light). However, a yellow signal may be included in the red signal.
  • x4 is set to 1 when it is nighttime, and is set to 0 otherwise. Whether or not it is nighttime may be determined by the lighting state of the headlight.
  • x5 is set to 1 when the weather around the vehicle is bad, and is set to 0 when the weather is not bad.
  • the wiper of the vehicle when the wiper of the vehicle is set to OFF or intermittent, it is determined that the weather is not bad, and when it is ON, it is determined that the weather is bad.
  • conditions such as temperature and illuminance may be added.
  • the temperature is set to 1 when the outside air temperature sensor is negative, and is set to 0 when it is positive. Thereby, it can respond to the difference in the characteristic by road surface freezing.
  • the illuminance may be set to 1 when the illuminance sensor is bright and 0 when it is dark. You may set according to the presence or absence of lighting of a headlight instead of an illuminance sensor.
  • x6 is set to 1 when the turn indicator is ON for turning right and left of the vehicle, and 0 when OFF.
  • FIG. 6 shows an example of data indicating the relationship between the deceleration start speed and the braking distance when the preceding vehicle is absent.
  • FIG. 7 shows an example of data indicating the relationship between the deceleration start speed and the braking distance when the process of step S105 is not performed, that is, not only when the preceding vehicle is absent but also when there is a preceding vehicle. Is shown. As can be seen from FIG. 7, when the vehicle is not limited to when the preceding vehicle is not present, the driver depends on the deceleration of the preceding vehicle, so the data varies widely.
  • step S111 the learning data storage unit 21 determines whether or not a predetermined amount of learning data has been stored. If the predetermined amount is not reached, the process returns to step S103. Proceed to step S113.
  • the travel characteristic learning unit 23 learns the travel characteristics of the vehicle. In particular, by using travel data when there is no preceding vehicle traveling in front of the vehicle, a braking distance when the vehicle stops at an intersection among the travel characteristics is learned.
  • a multiple regression model shown in the following equation (1) is created and learned using a data set as shown in FIG. [Equation 1]
  • Db (c0 + c1x1 + c2x2 + c3x3 + c4x4 + c5x5 + c6x6) Vb 2 + dVb (1)
  • Vb is the deceleration start speed
  • Db is the braking distance calculated from the model.
  • x1 to x6 are environmental factors
  • c0 to c6 and d are coefficients obtained by learning.
  • the multiple regression model shown in Expression (1) indicates that the braking distance when the vehicle stops at the intersection varies due to environmental factors.
  • Formula (1) can be expressed as Formula (2), and can be expressed as Formula (3) from Formula (1) and Formula (2).
  • Db Vb 2 / 2a + dVb (2)
  • a 1/2 (c0 + c1x1 + c2x2 + c3x3 + c4x4 + c5x5 + c6x6) (3)
  • a is an average deceleration (m / s 2 )
  • d is assumed to proceed as it is at a TTI (Time to intersection) speed. The arrival time to the intersection in the case of
  • the type of deceleration start action differs depending on the driver. For example, as shown in FIG. 8, the type that starts braking so that the average deceleration becomes almost constant regardless of the speed, and the TTI as shown in FIG. 9. There is a type in which braking is started so as to be substantially constant (that is, the deceleration becomes higher as the speed becomes higher).
  • the former type coefficients Vb 2 is large in Equation (1)
  • the latter type is the coefficient of Vb is greater.
  • the former type tends to have a smaller average deceleration and a longer braking distance than the latter type.
  • FIG. 8 and FIG. 9 show extreme examples, there are drivers who take this intermediate action.
  • the multiple regression model of Equation (1) is a coefficient of Vb 2 and Vb, and is a model that can cope with the difference between the environmental factors and the type of personal deceleration action.
  • c0 and d are reference values set for each individual.
  • c0 is an average value of deceleration when the values of x1 to x6 are 0, and d is a dependence on TTI (that is, a degree of change in deceleration according to the speed).
  • d becomes a value closer to 1 as the degree of dependence on TTI increases.
  • the running characteristic learning unit 23 performs multiple regression analysis using learning data as shown in FIG. 3 and calculates coefficients c0 to c6 of the equation (1). Since the learning data used here is only the traveling data in the absence of the preceding vehicle as shown in FIG. 6, the variation is suppressed, and as a result, the braking distance Db at the time of the intersection stop calculated from the equation (1). Is the quadratic curve F of FIG. As described above, in the present embodiment, the braking distance when stopping at the intersection using only the traveling data when the preceding vehicle is absent is learned from the quadratic curve, so the braking distance that captures the driver's feeling can be learned accurately. can do.
  • learning can be performed in consideration of environmental information of the environment in which the vehicle is traveling by terms of c1x1 to c6x6. That is, the braking distance can be corrected based on the environmental information.
  • the terms c1x1 to c6x6 are the coefficients of Vb 2 in this embodiment, but may be the coefficients of Vb.
  • the learning data may use a plurality of trip data, or may use only one trip data.
  • environmental factor data is not available with just one trip
  • environmental factor coefficients are calculated using learning data for a plurality of trips, and the learning data in the trip is used for the reference c0 coefficient. May be calculated. In this case, it is possible to provide a learning result with no sense of incongruity even when the trip of the day is more cautious or rushed than other trips.
  • the braking distance may have different characteristics for each trip. For example, when there is a passenger or when there is a load, driving may be careful due to consideration of the passenger or the load, and the braking distance may be increased while suppressing deceleration. In addition, when driving to the destination, the vehicle tends to be aggressive, and the braking distance may be shortened to allow high deceleration. There are cases where the deceleration and the braking distance permitted by the mood and conditions during driving differ. Therefore, the characteristic of the braking distance for each trip can be obtained by performing multiple regression analysis for each trip. Furthermore, by controlling the braking distance during automatic driving with the characteristics of the braking distance learned for each trip, it is possible to provide automatic driving control that matches the mood and conditions of the driver during the trip.
  • x1 in Expression (1) is 1, so that the braking distance Db in Expression (1) is a larger value than in the case where the vehicle is not curved. Become. Therefore, when the road on which the vehicle is traveling is curved, the braking distance Db is corrected to be longer than when the road is not curved.
  • a case where the speed limit is high may be used instead of the case where the road is curved. Therefore, when the speed limit of the road on which the vehicle is traveling is equal to or higher than a predetermined value, the speed limit is a predetermined value. The braking distance Db is corrected to be longer than when it is lower.
  • the braking distance Db in the equation (1) is a larger value than in the case other than the red signal. Therefore, when the traffic light ahead of the vehicle is a red signal, the braking distance Db is corrected to be longer than when the signal is not a red signal.
  • the braking distance Db in the equation (1) is larger than that in the case where the weather is not bad. Therefore, when the surroundings of the vehicle are in bad weather, the braking distance Db is corrected to be longer than in the case of no bad weather.
  • the braking distance Db in Equation (1) is greater than that in the case where the turn indicator is OFF and the vehicle does not turn right or left. Large value. Therefore, when the vehicle turns right or left, the braking distance Db may be corrected to be longer than when the vehicle does not turn right or left.
  • the driving characteristic learning unit 23 may determine the driving style of the driver based on the learning result of the braking distance.
  • the characteristic of the braking distance may show a tendency to match the individual driving style of the driver.
  • the coefficient c0 of Vb 2 in Expression (1) reflects the driver's prudent degree, and as shown in FIG. 10, the higher the value of c0, the higher the prudent degree. That is, a driver with a high c0 (a high degree of prudentness) has a low average deceleration and a long braking distance, and therefore can start decelerating early at the intersection and be determined to be cautious.
  • FIG. 10 shows that the cautiousness increases as the coefficient c0 increases.
  • the coefficient d of Vb tends to be smaller as c0 is higher, it may be determined that the cautiousness is higher as the value of d is smaller as shown in FIG.
  • the coefficient of determination is a value indicating the degree of fit of the multiple regression model, and the closer to 1, the smaller the data variation, and the better the model. That is, as the determination coefficient is higher, the braking distance is always considered to be constant, and it can be determined that the driver is on the surface.
  • the personal driving style determined in this way may be provided to the driver himself, or by comparing with other drivers using an external server, how much of the overall driving tendency is in the overall And providing information to the driver or the administrator.
  • step S115 the travel characteristic learning unit 23 stores the calculated coefficients c0 to c6 of the equation (1) as a learning result, and ends the travel characteristic learning process according to the present embodiment.
  • step S ⁇ b> 201 the automatic driving control execution unit 25 determines whether or not learning of the braking distance when stopping at an intersection is completed by the travel characteristic learning process shown in FIG. 2. If learning has been completed, the process proceeds to step S203, and if learning has not been completed, the process proceeds to step S211.
  • step S ⁇ b> 203 the automatic driving control execution unit 25 detects travel data regarding the travel state of the vehicle and environment information regarding the travel environment around the vehicle from the travel state detection unit 3 and the travel environment detection unit 5.
  • step S205 the automatic driving control execution unit 25 sets a braking distance when stopping at the intersection based on the learning result. Specifically, by setting the coefficients of c0 to c6, which are learning results, in equations (1) and (2) and inputting the detected deceleration start speed into equation (1), braking when stopping at an intersection The distance Db is calculated. Then, the automatic driving control execution unit 25 sets the calculated braking distance Db as a braking distance to be applied to the automatic driving. That is, the learning result of the braking distance is applied to the braking distance at the time of automatic driving.
  • step S207 the automatic driving control execution unit 25 executes the automatic driving control using the set braking distance. Specifically, the automatic driving control execution unit 25 transmits a control execution command to the actuator 11 and executes operations such as an accelerator, a brake, and a steering necessary for automatic driving.
  • step S209 the automatic operation control execution unit 25 determines whether or not the automatic operation has ended. If not, the automatic operation control execution unit 25 returns to step S203 and continues the automatic operation. On the other hand, when the automatic operation is switched to the manual operation and the automatic operation is finished, the automatic operation control process according to the present embodiment is finished.
  • step S ⁇ b> 211 the automatic driving control execution unit 25 detects traveling data related to the traveling state of the vehicle and environmental information related to the traveling environment around the vehicle from the traveling state detection unit 3 and the traveling environment detection unit 5.
  • step S213 the automatic operation control execution unit 25 sets a predetermined value set in advance as a braking distance when stopping at an intersection.
  • the predetermined value may be a general braking distance value or average value.
  • step S215 the automatic driving control execution unit 25 executes the automatic driving control using the set braking distance. Specifically, the automatic driving control execution unit 25 transmits a control execution command to the actuator 11 and executes operations such as an accelerator, a brake, and a steering necessary for automatic driving.
  • step S217 the automatic operation control execution unit 25 determines whether or not the automatic operation has ended. If not, the automatic operation control execution unit 25 returns to step S211 and continues the automatic operation. On the other hand, when the automatic operation is switched to the manual operation and the automatic operation is finished, the automatic operation control process according to the present embodiment is finished.
  • the deceleration start speed when the vehicle stops at the intersection when the preceding vehicle is absent and the braking distance when the vehicle stops at the intersection when the preceding vehicle is absent Use to learn. This eliminates the use of travel data in a situation that depends on the deceleration of the preceding vehicle, so that the braking distance that captures the driver's feeling can be learned accurately.
  • the deceleration start speed when the vehicle stops at the intersection when the preceding vehicle is absent, and the braking distance when the vehicle stops at the intersection when the preceding vehicle is absent Is modeled by a quadratic curve.
  • the vehicle deceleration start is detected from at least one of the brake pedal operation, the accelerator pedal operation, and the vehicle deceleration.
  • traveling data when the driver starts deceleration can be acquired with certainty.
  • the brake pedal is operated, it is a clear deceleration operation, so that traveling data with the least variation can be acquired.
  • travel data when the accelerator pedal is not operated is acquired, it is possible to acquire data including deceleration preparation behavior data.
  • it is determined that the deceleration starts when the deceleration becomes equal to or greater than a predetermined value the deceleration operation in any scene can be detected.
  • the stop of the vehicle is detected when the vehicle speed is equal to or lower than a predetermined value. Therefore, the stop of a vehicle can be detected reliably and a braking distance can be learned accurately.
  • the distance from the start of deceleration of the vehicle to the stop line at the intersection is set as the braking distance.
  • the braking distance can be obtained without being influenced by the position where the vehicle actually stops.
  • the preceding vehicle is absent when the preceding vehicle is not detected and when the inter-vehicle distance between the vehicle and the preceding vehicle is equal to or greater than a predetermined value. . Thereby, traveling data when the preceding vehicle is absent can be reliably acquired.
  • the braking distance at which the maximum deceleration becomes a predetermined value or more when the vehicle stops at the intersection is not used.
  • the traveling data when the unintended sudden braking is applied can be excluded, so that it is possible to learn accurately using the traveling data in a stable state.
  • the braking distance at which the deceleration start speed becomes a predetermined value or less when the vehicle stops at the intersection is not used.
  • extremely low-speed driving data such as after a start in creep can be excluded, so that it is possible to learn accurately using the driving data in a stable state.
  • learning is performed in association with the environment in which the vehicle is traveling and the braking distance.
  • the braking distance when stopping at an intersection has different characteristics depending on environmental conditions. Therefore, by performing a multiple regression analysis in consideration of the environment in which the vehicle is traveling, it is possible to learn the braking distance reflecting the environmental conditions.
  • the driving support method as the environment in which the vehicle is traveling, the number of lanes of the road on which the vehicle is traveling, the road curvature, the speed limit, the road gradient, the presence / absence of suspension regulation, or the display state of the traffic light is displayed. Use. Further, the display state of the direction indicator of the vehicle, the weather around the vehicle, the temperature or the illuminance are used. Thereby, it is possible to learn the braking distance by individually reflecting different environmental conditions.
  • the driving support method when the learning result is applied to the driving characteristics of automatic driving, it is determined whether or not the vehicle is traveling downhill, and the vehicle is traveling downhill. In such a case, the travel characteristics are set so that the braking distance becomes longer than when traveling uphill. As a result, safety can be improved on a downhill where braking is difficult, so that a sense of security can be given to the driver.
  • the learning result when the learning result is applied to the driving characteristics of automatic driving, it is determined whether or not the vehicle turns right and left, and when the vehicle turns right and left, it does not turn right or left.
  • the running characteristics are set so that the braking distance becomes longer than the case. As a result, safety can be improved when making a right or left turn, so that a sense of security can be given to the driver.
  • the driving support method when the learning result is applied to the driving characteristics of automatic driving, it is determined whether or not the traffic light in front of the vehicle is a red signal, and the traffic light in front of the vehicle is red.
  • the running characteristics are set so that the braking distance becomes longer than in cases other than the red signal.
  • safety can be improved in the case of a red signal that needs to be stopped, so that a sense of security can be given to the driver.
  • the learning result is applied to the driving characteristics of the automatic driving, it is determined whether the road on which the vehicle is driving is curved, and the vehicle is driving.
  • the running characteristics are set so that the braking distance is longer than when the road is not curved.
  • the learning result when the learning result is applied to the driving characteristics of the automatic driving, it is determined whether the vehicle is driving at night, and the vehicle is driving at night. Sets the running characteristics so that the braking distance is longer than when it is not at night. As a result, safety can be improved in the dark night when the visibility is poor, so that the driver can be given a sense of security.
  • the driving support method when the learning result is applied to the driving characteristics of the automatic driving, it is determined whether or not the weather around the vehicle is bad, and the weather around the vehicle is bad.
  • the running characteristics are set so that the braking distance is longer than in the case of bad weather.
  • the learning result is applied to the driving characteristics of the automatic driving, it is determined whether or not the speed limit of the road on which the vehicle is traveling is equal to or higher than a predetermined value.
  • the speed limit of the road on which the vehicle is traveling is greater than or equal to a predetermined value, the travel characteristics are set so that the braking distance becomes longer than when the speed limit is lower than the predetermined value.
  • the driving style of the driver is determined based on the learning result of the braking distance. Therefore, since a qualitative tendency of the driver can be known, safety can be improved by referring to the manual driving.
  • an external server is provided outside the vehicle, and the braking distance is learned by the external server. Thereby, the processing load in the vehicle can be reduced.
  • the learning result of the braking distance is applied to the braking distance during automatic driving of the vehicle.
  • the braking distance learned using the travel data when the preceding vehicle is absent can be applied to automatic driving, so that automatic driving that captures the driver's feeling can be provided.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Fuzzy Systems (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)
  • Regulating Braking Force (AREA)

Abstract

本発明の走行支援方法は、運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中における交差点で停止する場合の制動距離を学習し、車両の前方の先行車が不在のときの制動距離を優先して学習する。

Description

走行支援方法及び運転制御装置
　本発明は、運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中の走行データを学習する走行支援方法及びその学習結果を自動運転の走行特性に適用する運転制御装置に関する。
　従来では、運転者の違和感を抑制した自動運転を可能にするために、手動運転中の運転者による運転操作を学習する運転制御装置として、特許文献１が開示されている。特許文献１に開示された運転制御装置では、車線数や天候等の環境項目を設定し、手動運転時には環境項目から運転環境を特定し、運転環境と対応付けて運転者の運転操作を学習していた。
特開２０１５－８９８０１号公報
　しかしながら、一般道の交差点で車両が停止する場合の制動距離は、同じ環境条件であっても走行データにばらつきが大きいので、運転者の感覚を捉えた制動距離を精度よく学習することができないという問題点があった。
　そこで、本発明は、上述した実情に鑑みて提案されたものであり、運転者の感覚を捉えた制動距離を精度よく学習することのできる走行支援方法及び運転制御装置を提供することを目的とする。
　上述した課題を解決するために、本発明の一態様に係る走行支援方法及び運転制御装置は、運転者の手動運転中における交差点で停止する場合の制動距離を学習し、車両の前方の先行車が不在のときの制動距離を優先して学習する。
　本発明によれば、運転者の感覚を捉えた制動距離を精度よく学習することができる。
図１は、本発明の一実施形態に係る運転制御装置を含む運転制御システムの構成を示すブロック図である。 図２は、本発明の一実施形態に係る運転制御装置による走行特性学習処理の処理手順を示すフローチャートである。 図３は、本発明の一実施形態に係る走行特性学習処理で入力されるデータの一例を示す図である。 図４は、車両が交差点で停止する場合の減速開始速度と制動距離を説明するための図である。 図５は、本発明の一実施形態に係る走行特性学習処理で実行される重回帰分析の係数を説明するための図である。 図６は、先行車が不在のときの減速開始速度と制動距離との間の関係を示したデータの一例を示す図である。 図７は、先行車が不在のときだけではなくすべて場合の減速開始速度と制動距離との間の関係を示したデータの一例を示す図である。 図８は、平均減速度が一定となるように制動を開始するタイプの運転者の場合の減速開始速度と制動距離との間の関係を示したデータの一例を示す図である。 図９は、ＴＴＩ（Time to intersection）が一定となるように制動を開始するタイプの運転者の場合の減速開始速度と制動距離との間の関係を示したデータの一例を示す図である。 図１０は、本発明の一実施形態に係る走行特性学習処理による慎重度の判定方法を説明するための図である。 図１１は、本発明の一実施形態に係る走行特性学習処理による慎重度の判定方法を説明するための図である。 図１２は、本発明の一実施形態に係る走行特性学習処理による几帳面度の判定方法を説明するための図である。 図１３は、本発明の一実施形態に係る運転制御装置による自動運転制御処理の処理手順を示すフローチャートである。
　以下、本発明を適用した一実施形態について図面を参照して説明する。
　［運転制御システムの構成］
　図１は、本実施形態に係る運転制御装置を含む運転制御システムの構成を示すブロック図である。図１に示すように、本実施形態に係る運転制御システム１００は、運転制御装置１と、走行状態検出部３と、走行環境検出部５と、運転切替スイッチ７と、制御状態呈示部９とを備えている。さらに、運転制御システム１００は、車両に搭載されたアクチュエータ１１に接続されている。
　運転制御装置１は、運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中の走行データを学習し、この学習結果を自動運転の走行特性に適用する処理を実行するコントローラである。特に、運転制御装置１は、車両の前方を走行する先行車が不在のときの走行データを優先して使用して、車両が交差点で停止する場合の制動距離を学習する走行特性学習処理を実行する。この走行特性学習処理では、手動運転中の走行データの中から先行車が不在のときの走行データを選別し、選別された先行車不在時の走行データを使用して学習する。すなわち、先行車が不在のときの走行データのみを使用して学習する。ここで、運転制御装置１は、学習用データ記憶部２１と、走行特性学習部２３と、自動運転制御実行部２５とを備えている。
　また、本実施形態では、運転制御装置１を車両に搭載した場合について説明するが、車両に通信装置を設置し、運転制御装置１の一部を外部サーバに設置して走行特性学習処理を実行させてもよい。運転制御装置１を車両に搭載した場合には、車両を所有または使用する運転者の走行特性を学習することができる。そして、所定期間（例えば、最新１ヶ月間）の走行データを記憶しておき、その運転者が所有または使用する車両の自動運転に反映させることができる。一方、外部サーバに設置した場合には、運転者自身の長期間の走行データを用いて学習することができるので、より安定した学習結果を算出することができる。また、学習が完了していないときには、他の運転者の走行データを活用して、その地域の平均的な運転者の走行特性を自動運転に反映させることができる。
　走行状態検出部３は、車速や加速度、先行車の有無、現在位置、方向指示器の表示状態、ヘッドライトの点灯状態、ワイパーの作動状態等の車両の走行状態を示す走行データを検出する。例えば、ＣＡＮ（Controller Area Network）のような車載ネットワークやナビゲーション装置、レーザレーダ、カメラ等である。特に、走行状態検出部３は、車両の減速開始と停止を検出するためのデータとして、車両のブレーキペダル及びアクセルペダルの操作量と車両の速度及び減速度を検出する。
　走行環境検出部５は、車両が走行する道路の車線数、制限速度、道路勾配、道路曲率、車両前方の信号機の表示状態、車両前方の交差点までの距離、車両前方の交差点の予定進路、一時停止規制の有無等の車両が走行している環境を表す環境情報を検出する。例えば、車両に搭載されたカメラやレーザレーダ、ナビゲーション装置である。尚、車両前方の信号機の表示状態や一時停止規制の有無は路車間通信を利用して検出してもよい。また、車両前方の交差点の予定進路はナビゲーション装置や方向指示器の表示状態等から取得する。さらに、車両周囲の照度、気温、天候状態を照度センサ、外気温センサ、ワイパースイッチからそれぞれ取得する。ただし、照度はヘッドライトのスイッチから取得してもよい。
　運転切替スイッチ７は、車両に搭載され、車両の乗員が操作することによって自動運転と手動運転の切り替えを行うスイッチである。例えば、車両のステアリングに設置されたスイッチである。
　制御状態呈示部９は、現在の制御状態が手動運転であるか自動運転であるかをメータ表示部やナビゲーション装置の表示画面、ヘッドアップディスプレイ等に表示する。また、自動運転の開始、終了を伝える報知音も出力し、走行特性の学習が終了したか否かも呈示する。
　アクチュエータ１１は、運転制御装置１からの実行指令を受信して、車両のアクセルやブレーキ、ステアリング等の各部を駆動する。
　次に、運転制御装置１を構成する各部について説明する。学習用データ記憶部２１は、走行状態検出部３及び走行環境検出部５から車両の走行状態に関する走行データや車両周囲の走行環境に関する環境情報を取得し、走行特性学習処理に必要なデータを記憶する。特に、学習用データ記憶部２１は、手動運転中に交差点で停止する場合の制動距離の学習に使用する先行車が不在のときの走行データを記憶する。このとき、学習用データ記憶部２１は、先行車不在時の走行データを車両の走行状態や走行環境と関連付けて記憶する。記憶する走行データとしては、先行車が不在のときに車両が交差点で停止する場合の減速開始速度や先行車が不在のときに車両が交差点で停止する場合の制動距離等のデータである。この他に、車両のブレーキペダル及びアクセルペダルの操作量や車両の速度及び減速度、交差点の停止線までの距離等のデータを記憶する。また、環境情報についても記憶する。環境情報としては、車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無または信号機の表示状態、方向指示器の表示状態、車両の周辺の天候、気温または照度等である。
　走行特性学習部２３は、学習用データ記憶部２１で記憶された走行データを読み出し、走行状態及び走行環境からの影響度合いを考慮して、車両の走行特性を学習する。特に、車両の前方を走行する先行車が不在のときの走行データを優先して使用して、車両の走行特性のうち交差点で停止する場合の制動距離を学習する。このとき、走行特性学習部２３は、手動運転中の走行データの中から先行車が不在のときの走行データを選別し、選別された先行車不在時の走行データを使用して学習する。すなわち、先行車が不在のときの走行データのみを使用して、車両が交差点で停止する場合の制動距離を学習する。また、走行特性学習部２３は、車両が走行している環境の環境情報を考慮して学習し、車両のトリップ毎に学習する。さらに、交差点で停止する場合の制動距離の学習結果に基づいて、運転者の運転スタイルを判定してもよい。こうして算出された学習結果は、走行特性学習部２３に随時記憶される。
　自動運転制御実行部２５は、自動運転区間になった場合や運転者が運転切替スイッチ７により自動運転を選択した場合に、自動運転制御を実行する。このとき、自動運転制御実行部２５は、走行特性学習部２３で学習した学習結果を自動運転の走行特性に適用する。特に、交差点で停止する場合の制動距離の学習結果を自動運転時の制動距離に適用する。
　尚、運転制御装置１は、マイクロコンピュータ、マイクロプロセッサ、ＣＰＵを含む汎用の電子回路とメモリ等の周辺機器から構成されている。そして、特定のプログラムを実行することにより、上述した学習用データ記憶部２１、走行特性学習部２３、自動運転制御実行部２５として動作する。このような運転制御装置１の各機能は、１または複数の処理回路によって実装することができる。処理回路は、例えば電気回路を含む処理装置等のプログラムされた処理装置を含み、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も含んでいる。
　［走行特性学習処理の手順］
　次に、本実施形態に係る運転制御装置１による走行特性学習処理の手順を図２のフローチャートを参照して説明する。図２に示す走行特性学習処理は、車両のイグニッションがオンされると開始する。
　図２に示すように、まずステップＳ１０１において、学習用データ記憶部２１は、運転切替スイッチ７の状態により車両が手動運転であるか否かを判定する。車両が手動運転である場合にはステップＳ１０３に進み、自動運転である場合には走行特性学習処理を終了して自動運転制御を実行する。
　ステップＳ１０３において、学習用データ記憶部２１は、走行状態検出部３及び走行環境検出部５から車両の走行状態に関する走行データと車両周囲の走行環境に関する環境情報を検出する。検出される走行データとしては、車速、操舵角、加速度、減速度、先行車との車間距離、先行車との相対速度、現在位置、前方交差点の予定進路、ブレーキペダル及びアクセルペダルの操作量、ヘッドライトの点灯状態、ワイパーの作動状態等を検出する。また、環境情報としては、車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無または信号機の表示状態、車両から交差点の停止線までの距離、車両の方向指示器の表示状態、車両周辺の天候、気温または照度等を検出する。
　ステップＳ１０５において、学習用データ記憶部２１は、車両の前方を走行する先行車が不在であるか否かを判定する。先行車が不在であるか否かの判定方法としては、先行車が未検出である場合の他に、先行車が検出されている場合でも車両と先行車との間の車間距離が所定値（例えば５０ｍ）以上である場合に、先行車が不在であると判定してもよい。そして、先行車が不在であると判定された場合にはステップＳ１０７に進み、先行車が不在ではないと判定された場合にはステップＳ１０３に戻る。
　ステップＳ１０７において、学習用データ記憶部２１は、車両の現在の走行状態が除外要因に合致するか否かを判定する。除外要因とは、走行特性の学習に使用するデータを取得することが適当ではない場合を特定したものである。除外要因としては、（Ａ）車両が交差点で停止する場合に最大減速度が所定値（例えば０．３Ｇ）以上であること、（Ｂ）車両が交差点で停止する場合に減速開始速度が所定値（例えば１０ｋｍ／ｈ）以下であること、の２つがある。学習用データ記憶部２１は、これらの除外要因に合致しない場合にはステップＳ１０９に進み、合致する場合にはステップＳ１０３へ戻る。
　このように、除外要因（Ａ）を適用することにより、意図しない急ブレーキをかけた場合のデータを除外することができ、除外要因（Ｂ）を適用することにより、クリープでの発進後のような極めて低速のデータを除外することができる。したがって、これらの除外要因（Ａ）、（Ｂ）を設定することにより、通常の減速状態にあるときの走行データを取得することができる。尚、これらの除外要因は必ず適用しなければならないものではなく、状況に応じて適用しない場合があってもよい。
　ステップＳ１０９において、学習用データ記憶部２１は、ステップＳ１０３で検出されてステップＳ１０５、１０７の処理で選別された走行データと環境情報を学習用データとして記憶する。尚、本実施形態では、予めデータを選別した後に記憶する場合について説明したが、手動運転中のデータを一度すべて記憶してから、上述したステップＳ１０５、１０７の処理を実施して選別してもよい。
　ここで、学習用データ記憶部２１によって記憶される学習用データの一例を図３に示す。図３に示すように、学習用データには、制動距離Ｄｂ、減速開始速度Ｖｂ、ｘ１～ｘ６のデータが記録されている。制動距離Ｄｂは先行車が不在のときに車両が交差点で停止する場合の制動距離であり、図４に示すように減速を開始した時点ｔ１から速度が０になるまでの走行距離である。また、減速開始速度Ｖｂは、先行車が不在のときに車両が交差点で停止する場合の減速開始速度である。図４に示すように、減速開始は、ブレーキの開始によってブレーキスイッチがオンされてから車両の加速度が－０．１Ｇ以下（減速度が０．１Ｇ以上）となった時点ｔ１であり、そのときの速度を減速開始速度Ｖｂとしている。このように減速開始を加速度が所定値以下となった時点ｔ１に設定することで、空走距離を除外して運転者の意図による減速開始のタイミングを抽出することができる。また、加速度は加速度センサの出力値をフィルタリングして求めてもよいし、速度の微分値で求めてもよい。さらに、速度をシグモイド関数やロジスティック関数などで近似して、速度の変曲点を減速開始点としてもよい。
　また、ｘ１～ｘ６は環境情報に基づいて設定されたデータであり、図５に示す設定方法にしたがって０または１の値が設定される。例えば、ｘ１は、図３に示す制動距離Ｄｂと減速開始速度Ｖｂのデータを取得したときに、車両が走行している道路の曲率が所定値以上である場合に１が設定され、曲率が所定値未満である場合に０が設定される。また、道路曲率の代わりに制限速度であってもよい。例えば、車両が走行している道路の制限速度が所定値（４０または５０ｋｍ／ｈ）以上である場合には１が設定され、制限速度が所定値未満である場合には０を設定する。
　さらに、ｘ２は、車両が下り坂を走行している場合には１、それ以外（平坦路と上り坂）の場合には０が設定され、ｘ３は、車両前方の信号機が赤信号の場合には１、それ以外の場合（青信号または信号機なし）には０が設定される。ただし、赤信号に黄信号を含めてもよい。また、ｘ４は、夜間である場合には１、それ以外である場合には０が設定される。夜間であるか否かの判定は、ヘッドライトの点灯状態によって判定すればよい。さらに、ｘ５は、車両周囲の天候が悪天候である場合には１、悪天候でない場合には０が設定される。悪天候であるか否かの判定方法としては、車両のワイパーがＯＦＦまたは間欠に設定されている場合には悪天候ではないと判定し、ＯＮの場合には悪天候であると判定する。このとき気温や照度等の条件を追加してもよい。気温は、外気温センサでマイナスである場合には１、プラスである場合には０と設定する。これにより、路面凍結による特性の違いに対応することができる。照度は、照度センサで明るい場合には１、暗い場合には０と設定すればよい。照度センサではなくヘッドライトの点灯の有無によって設定してもよい。また、ｘ６は、車両の右左折のために方向指示器がＯＮの場合には１、ＯＦＦである場合には０が設定される。
　尚、図５では、０か１の２段階に分類する場合について記載したが、３段階やそれ以上の多段階に分類してもよい。このように図３に示す学習用データでは、制動距離Ｄｂと制動開始速度Ｖｂの走行データに、ｘ１～ｘ６の環境情報が関連付けられている。したがって、本実施形態では、制動距離Ｄｂと減速開始速度Ｖｂの走行データを使用して走行特性を学習し、さらに車両が走行している環境と制動距離を対応させて走行特性を学習する。
　また、学習用データとして記憶されるデータは、上述したステップＳ１０５、１０７の処理で選別されているので、データのばらつきが抑制されている。図６は、先行車不在時における減速開始速度と制動距離との間の関係を示したデータの一例を示している。一方、図７は、ステップＳ１０５の処理を実施しなかった場合、すなわち先行車不在時だけではなく先行車がいる場合も含めた減速開始速度と制動距離との間の関係を示したデータの一例を示している。図７から分かるように、先行車不在時に限定しない場合には、運転者が先行車の減速に依存してしまうので、データが広くばらついてしまう。そのため、減速開始速度と制動距離の関係を学習しても学習精度を向上させることはできない。これに対して、先行車不在時に限定した場合では、運転者が先行車に依存することなく制動するので、図６に示すようにデータのばらつきが抑制されている。これにより、先行車不在時に限定した場合では運転者の感覚を捉えた制動距離を精度よく学習することができ、学習精度を向上させることができる。
　ステップＳ１１１において、学習用データ記憶部２１は、所定量の学習用データを記憶できたか否かを判定し、所定量に満たない場合にはステップＳ１０３に戻り、所定量以上蓄積できた場合にはステップＳ１１３に進む。
　ステップＳ１１３において、走行特性学習部２３は、車両の走行特性を学習する。特に、車両の前方を走行する先行車が不在のときの走行データを使用して、走行特性のうち車両が交差点で停止する場合の制動距離を学習する。制動距離の学習では、例えば、図３で示したようなデータセットを用いて、以下の式（１）に示す重回帰モデルを作成して学習する。
［数１］
　Ｄｂ＝（c0＋c1x1＋c2x2＋c3x3＋c4x4＋c5x5＋c6x6）Ｖｂ２＋ｄＶｂ　　　（１）
　式（１）において、Ｖｂは減速開始速度、Ｄｂはモデルから計算された制動距離である。ｘ１～ｘ６は環境要因であり、ｃ０～ｃ６、ｄは学習によって得られた係数である。このように式（１）に示す重回帰モデルは、環境要因によって車両が交差点で停止する場合の制動距離が変動することを示している。
　また、式（１）の重回帰モデルは、減速開始行動の異なるタイプにも対応している。以下に示すように、式（１）は式（２）のように表すことができ、式（１）と式（２）から式（３）のように表すことができる。
［数２］
　Ｄｂ＝Ｖｂ２／２ａ＋dＶｂ　（２）
［数３］
　ａ＝１／２（c0＋c1x1＋c2x2＋c3x3＋c4x4＋c5x5＋c6x6）　（３）
　式（２）、（３）において、ａは平均減速度（ｍ/ｓ２）、式（１）、（２）において、ｄはＴＴＩ（Time to intersection：制動開始時の速度でそのまま進むと仮定した場合の交差点までの到達時間）を示す。
　また、運転者によって減速開始行動のタイプが異なり、例えば、図８に示すように速度によらず平均減速度がほぼ一定となるように制動を開始するタイプと、図９に示すようにＴＴＩがほぼ一定となるように（すなわち、速度が高いほど減速度が高くなるように）制動を開始するタイプが存在する。前者のタイプは式（１）においてＶｂ２の係数が大きく、後者のタイプはＶｂの係数が大きい。また、前者のタイプは後者のタイプに比べて、平均減速度が小さく、制動距離が長い傾向である。図８と図９は極端な例を示したが、この中間の行動をとる運転者も存在する。式（１）の重回帰モデルはＶｂ２とＶｂの係数で、環境要因と個人の減速行動のタイプの違いに対応できるモデルとなっている。
　式（１）の係数のうち、図５に示すように、ｃ０、ｄは、個人別に設定される基準値である。ｃ０はｘ１～ｘ６の値が０である場合の減速度の平均値であり、ｄはＴＴＩへの依存度合い（すなわち、速度に応じた減速度の変更度合い）である。ｄは、ＴＴＩへの依存度が高いほど１に近い値となる。
　走行特性学習部２３は、図３に示すような学習用データを用いて重回帰分析を行い、式（１）のｃ０～ｃ６の係数を算出する。ここで使用する学習用データは、図６に示すような先行車不在時の走行データだけなので、ばらつきが抑制されており、その結果として式（１）から算出される交差点停止時の制動距離Ｄｂは図６の２次曲線Ｆとなる。このように本実施形態では、先行車不在時の走行データのみを使用して交差点で停止する場合の制動距離を２次曲線で学習するので、運転者の感覚を捉えた制動距離を精度よく学習することができる。
　また、式（１）に示すように、本実施形態では、ｃ１ｘ１～ｃ６ｘ６の項によって車両が走行している環境の環境情報を考慮して学習することができる。すなわち、環境情報に基づいて制動距離を補正することができる。また、ｃ１ｘ１～ｃ６ｘ６の項は、本実施形態ではＶｂ２の係数としているが、Ｖｂの係数としてもよい。
　尚、学習用データは複数のトリップのデータを使用してもよいし、１トリップのデータだけを使用してもよい。１トリップだけでは環境要因のデータが揃わない場合には、環境要因の係数については複数のトリップの学習用データを用いて算出し、基準となるｃ０の係数についてはトリップ内の学習用データを用いて算出してもよい。この場合、その日のトリップが他のトリップと比べて、慎重傾向である場合や急ぎ傾向である場合でも違和感のない学習結果を提供することができる。
　また、制動距離は、トリップ毎に異なる特性を持つことがある。例えば、同乗者が存在するときや積載物があるときは、同乗者や積載物などへの配慮から慎重運転となり、減速度を抑えて制動距離を長くすることがある。また、目的地に急いでいるときはアグレッシブな運転傾向となり、高い減速度を許容するため制動距離が短くなることがある。このように運転するときの気分や条件で許容する減速度と制動距離が異なる場合がある。そこで、トリップ毎に重回帰分析を行うことによって、そのトリップ毎の制動距離の特性を得ることができる。さらに、トリップ毎に学習した制動距離の特性で、自動運転時の制動距離の制御を行うことによって、そのトリップにおける運転者の気分や条件に合った自動運転制御を提供することができる。
　ここで、車両が走行している道路がカーブしている場合には、式（１）のｘ１が１となるので、式（１）の制動距離Ｄｂは、カーブしていない場合より大きな値となる。したがって、車両が走行している道路がカーブしている場合には、カーブしていない場合より、制動距離Ｄｂは長くなるように補正される。また、道路がカーブしている場合の代わりに、制限速度が高い場合を用いてもよいので、車両が走行している道路の制限速度が所定値以上である場合には、制限速度が所定値より低い場合より、制動距離Ｄｂは長くなるように補正される。
　同様に、車両が下り坂を走行している場合には、式（１）のｘ２が１となるので、式（１）の制動距離Ｄｂは、上り坂を走行している場合より大きな値となる。したがって、車両が下り坂を走行している場合には、上り坂を走行している場合より、制動距離Ｄｂは長くなるように補正される。
　また、車両の前方の信号機が赤信号である場合には、式（１）のｘ３が１となるので、式（１）の制動距離Ｄｂは、赤信号以外の場合より大きな値となる。したがって、車両の前方の信号機が赤信号である場合には、赤信号以外の場合より、制動距離Ｄｂは長くなるように補正される。
　さらに、車両が夜間を走行している場合には、式（１）のｘ４が１となるので、式（１）の制動距離Ｄｂは、夜間でない場合より大きな値となる。したがって、車両が夜間を走行している場合には、夜間でない場合より、制動距離Ｄｂは長くなるように補正される。
　また、車両の周辺の天候が悪天候である場合には、式（１）のｘ５が１となるので、式（１）の制動距離Ｄｂは、悪天候でない場合より大きな値となる。したがって、車両の周辺が悪天候である場合には、悪天候でない場合より、制動距離Ｄｂは長くなるように補正される。
　さらに、方向指示器がＯＮで車両が右左折する場合には、式（１）のｘ６が１となるので、式（１）の制動距離Ｄｂは、方向指示器がＯＦＦで右左折しない場合より大きな値となる。したがって、車両が右左折する場合には、右左折しない場合より、制動距離Ｄｂは長くなるように補正されるようにしてもよい。
　上述したような走行特性の学習の他に、走行特性学習部２３は、制動距離の学習結果に基づいて、運転者の運転スタイルを判定してもよい。制動距離の特性は、運転者個人の運転スタイルと一致する傾向を示す場合がある。例えば、式（１）におけるＶｂ２の係数ｃ０は運転者の慎重度を反映しており、図１０に示すようにｃ０の値が高いほど慎重度が高くなる。すなわち、ｃ０が高い（慎重度が高い）運転者は平均減速度が低く、制動距離が長いため、交差点において早めに減速を開始し、慎重であると判定することができる。図１０は、係数ｃ０が大きいほど、慎重度が大きくなることを示している。
　また、ｃ０が高いほどＶｂの係数ｄは小さくなる傾向があるため、図１１に示すようにｄの値が小さいほど、慎重度が高いと判定してもよい。また、図１２に示すように重回帰モデルの決定係数Ｒ２を用いて、運転者の几帳面度を判定することもできる。決定係数は、重回帰モデルの当てはまり度合いを示す値で１に近いほど、データのばらつきが少なく、モデルによく当てはまること示す。すなわち、決定係数が高いほど、制動距離がいつも一定であると考えられ、運転者が几帳面であると判定することができる。このようにして判定された個人の運転スタイルは、運転者自身に提供してもよいし、外部サーバを活用して他の運転者との比較を行い、全体の中でどの程度の几帳面傾向かを判定して、運転者または管理者に情報提供してもよい。
　ステップＳ１１５において、走行特性学習部２３は、算出した式（１）のｃ０～ｃ６の係数を学習結果として記憶し、本実施形態に係る走行特性学習処理を終了する。
　［自動運転制御処理の手順］
　次に、本実施形態に係る運転制御装置１による自動運転制御処理の手順を図１３のフローチャートを参照して説明する。
　図１３に示すように、ステップＳ２０１において、自動運転制御実行部２５は、図２に示す走行特性学習処理によって、交差点で停止する場合の制動距離の学習が完了しているか否かを判定する。学習が完了している場合にはステップＳ２０３に進み、学習が完了していない場合にはステップＳ２１１に進む。
　まず、制動距離の学習が完了している場合について説明する。ステップＳ２０３において、自動運転制御実行部２５は、走行状態検出部３及び走行環境検出部５から車両の走行状態に関する走行データと車両周囲の走行環境に関する環境情報を検出する。
　ステップＳ２０５において、自動運転制御実行部２５は、学習結果に基づいて交差点で停止する場合の制動距離を設定する。具体的には、学習結果であるｃ０～ｃ６の係数を式（１）、（２）に設定し、検出した減速開始速度を式（１）に入力することによって、交差点で停止する場合の制動距離Ｄｂを算出する。そして、自動運転制御実行部２５は、算出した制動距離Ｄｂを自動運転に適用する制動距離として設定する。すなわち、制動距離の学習結果を自動運転時の制動距離に適用する。
　ステップＳ２０７において、自動運転制御実行部２５は、設定された制動距離を用いて自動運転制御を実行する。具体的に、自動運転制御実行部２５は、制御実行指令をアクチュエータ１１に送信して、自動運転に必要なアクセルやブレーキ、ステアリング等の操作を実行する。
　ステップＳ２０９において、自動運転制御実行部２５は、自動運転が終了したか否かを判定し、終了していない場合にはステップＳ２０３に戻って自動運転を継続する。一方、自動運転が手動運転に切り替わって自動運転が終了している場合には、本実施形態に係る自動運転制御処理を終了する。
　次に、制動距離の学習が完了していない場合について説明する。ステップＳ２１１において、自動運転制御実行部２５は、走行状態検出部３及び走行環境検出部５から車両の走行状態に関する走行データと車両周囲の走行環境に関する環境情報を検出する。
　ステップＳ２１３において、自動運転制御実行部２５は、交差点で停止する場合の制動距離として予め設定された所定値を設定する。この所定値は、一般的な制動距離の値や平均値を使用すればよい。
　ステップＳ２１５において、自動運転制御実行部２５は、設定された制動距離を用いて自動運転制御を実行する。具体的に、自動運転制御実行部２５は、制御実行指令をアクチュエータ１１に送信して、自動運転に必要なアクセルやブレーキ、ステアリング等の操作を実行する。
　ステップＳ２１７において、自動運転制御実行部２５は、自動運転が終了したか否かを判定し、終了していない場合にはステップＳ２１１に戻って自動運転を継続する。一方、自動運転が手動運転に切り替わって自動運転が終了している場合には、本実施形態に係る自動運転制御処理を終了する。
　［実施形態の効果］
　以上詳細に説明したように、本実施形態に係る走行支援方法では、運転者による手動運転と自動運転とを切り替え可能な車両において、車両の前方の先行車が不在のときの制動距離を優先して学習する。これにより、先行車の減速に依存してしまう状況で制動距離を学習することがなくなり、運転者の感覚を捉えた制動距離を精度よく学習することができる。
　また、本実施形態に係る走行支援方法では、車両の前方の先行車が不在のときの制動距離のみを学習する。これにより、先行車の減速に依存してしまう状況を排除して制動距離を学習することができ、運転者の感覚を捉えた制動距離を精度よく学習することができる。
　さらに、本実施形態に係る走行支援方法では、先行車が不在のときに車両が交差点で停止する場合の減速開始速度と、先行車が不在のときに車両が交差点で停止する場合の制動距離とを使用して学習する。これにより、先行車の減速に依存してしまう状況の走行データを使用することがなくなり、運転者の感覚を捉えた制動距離を精度よく学習することができる。
　また、本実施形態に係る走行支援方法では、先行車が不在のときに車両が交差点で停止する場合の減速開始速度と、先行車が不在のときに車両が交差点で停止する場合の制動距離との関係を２次曲線でモデル化する。これにより、減速開始速度と制動距離との関係を正確に把握することができ、運転者の感覚を捉えた制動距離を精度よく学習することができる。
　また、本実施形態に係る走行支援方法では、ブレーキペダルの操作、アクセルペダルの操作、車両の減速度のうちの少なくとも１つから車両の減速開始を検出する。これにより、運転者が減速を開始したときの走行データを確実に取得することができる。特に、ブレーキペダルが操作されているときは明確な減速操作であるため、最もばらつきの少ない走行データを取得することができる。また、アクセルペダルが操作されていないときの走行データを取得すれば、減速準備行動のデータまで含めて取得することができる。さらに、減速度が所定値以上となった場合に減速開始と判定すれば、あらゆる場面での減速操作を検出することができる。
　さらに、本実施形態に係る走行支援方法では、車両の速度が所定値以下となる場合に車両の停止を検出する。これにより、車両の停止を確実に検出し、制動距離を精度よく学習することができる。
　また、本実施形態に係る走行支援方法では、車両の減速開始から交差点の停止線までの距離を制動距離とする。これにより、車両が実際に停止した位置に左右されずに制動距離を求めることができる。
　さらに、本実施形態に係る走行支援方法では、先行車が未検出である場合と、車両と先行車との間の車間距離が所定値以上である場合に、先行車が不在であると判断する。これにより、先行車が不在のときの走行データを確実に取得することができる。
　また、本実施形態に係る走行支援方法では、車両が交差点で停止するときに最大減速度が所定値以上となる制動距離を使用しない。これにより、意図しない急ブレーキをかけた場合の走行データを除外できるので、安定した状態のときの走行データを使用して精度よく学習することができる。
　さらに、本実施形態に係る走行支援方法では、車両が交差点で停止するときに減速開始速度が所定値以下となる制動距離を使用しない。これにより、クリープでの発進後のような極めて低速の走行データを除外できるので、安定した状態のときの走行データを使用して精度よく学習することができる。
　また、本実施形態に係る走行支援方法では、車両が走行している環境と制動距離を対応させて学習する。交差点で停止するときの制動距離は、環境条件によって異なる特性を有する。したがって、車両が走行している環境を考慮した重回帰分析を行うことによって、環境条件を反映させた制動距離の学習を行うことができる。
　さらに、本実施形態に係る走行支援方法では、車両が走行している環境として、車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無または信号機の表示状態を用いる。また、車両の方向指示器の表示状態、車両の周辺の天候、気温または照度を用いる。これにより、異なる環境条件を個別具体的に反映させて制動距離を学習することができる。
　また、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が下り坂を走行しているか否かを判定し、車両が下り坂を走行している場合には、上り坂を走行している場合より、制動距離が長くなるように走行特性を設定する。これにより、制動が困難な下り坂で安全性を向上させることができるので、運転者に安心感を与えることができる。
　さらに、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が右左折するか否かを判定し、車両が右左折する場合には、右左折しない場合より、制動距離が長くなるように走行特性を設定する。これにより、右左折する場合に安全性を向上させることができるので、運転者に安心感を与えることができる。
　また、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両の前方の信号機が赤信号であるか否かを判定し、車両の前方の信号機が赤信号である場合には、赤信号以外の場合より、制動距離が長くなるように走行特性を設定する。これにより、停止する必要がある赤信号のときに安全性を向上させることができるので、運転者に安心感を与えることができる。
　さらに、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が走行している道路がカーブしているか否かを判定し、車両が走行している道路がカーブしている場合には、カーブしていない場合より、制動距離が長くなるように走行特性を設定する。これにより、カーブしていて見通しの悪い道路で安全性を向上させることができるので、運転者に安心感を与えることができる。
　また、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が夜間を走行しているか否かを判定し、車両が夜間を走行している場合には、夜間でない場合より、制動距離が長くなるように走行特性を設定する。これにより、暗くて視界の悪い夜間に安全性を向上させることができるので、運転者に安心感を与えることができる。
　さらに、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両の周辺の天候が悪天候であるか否かを判定し、車両の周辺の天候が悪天候である場合には、悪天候でない場合より、制動距離が長くなるように走行特性を設定する。これにより、車両周辺が悪天候のときに安全性を向上させることができるので、運転者に安心感を与えることができる。
　また、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が走行している道路の制限速度が所定値以上であるか否かを判定し、車両が走行している道路の制限速度が所定値以上である場合には、制限速度が所定値より低い場合より、制動距離が長くなるように走行特性を設定する。これにより、車速が高くなる道路で安全性を向上させることができるので、運転者に安心感を与えることができる。
　さらに、本実施形態に係る走行支援方法では、制動距離の学習結果に基づいて、運転者の運転スタイルを判定する。これにより、運転者の定性的な傾向を知ることができるので、手動運転のときに参考にすることで安全性を向上させることができる。
　また、本実施形態に係る走行支援方法では、車両の外部に外部サーバを備え、この外部サーバで制動距離を学習する。これにより、車両における処理負荷を軽減することができる。
　さらに、本実施形態に係る走行支援方法では、制動距離の学習結果を、車両の自動運転時の制動距離に適用する。これにより、先行車が不在のときの走行データを使用して学習した制動距離を自動運転に適用できるので、運転者の感覚を捉えた自動運転を提供することができる。
　なお、上述の実施形態は本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施形態以外の形態であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計などに応じて種々の変更が可能であることは勿論である。
　１　運転制御装置
　３　走行状態検出部
　５　走行環境検出部
　７　運転切替スイッチ
　９　制御状態呈示部
　１１　アクチュエータ
　２１　学習用データ記憶部
　２３　走行特性学習部
　２５　自動運転制御実行部
　１００　運転制御システム

Claims (23)

  1. 　運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中における交差点で停止する場合の制動距離を学習し、この学習結果を自動運転の走行特性に適用する運転制御装置の走行支援方法であって、
    　前記車両の前方の先行車が不在のときの制動距離を優先して学習することを特徴とする走行支援方法。
  2. 　前記車両の前方の先行車が不在のときの制動距離のみを学習することを特徴とする請求項１に記載の走行支援方法。
  3. 　前記車両の前方の先行車が不在のときに前記車両が交差点で停止する場合の減速開始速度と、前記車両の前方の先行車が不在のときに前記車両が交差点で停止する場合の制動距離とを使用して学習することを特徴とする請求項１に記載の走行支援方法。
  4. 　前記車両の前方の先行車が不在のときに前記車両が交差点で停止する場合の減速開始速度と、前記車両の前方の先行車が不在のときに前記車両が交差点で停止する場合の制動距離との関係を２次曲線でモデル化することを特徴とする請求項１～３のいずれか１項に記載の走行支援方法。
  5. 　ブレーキペダルの操作、アクセルペダルの操作、前記車両の減速度のうちの少なくとも１つから前記車両の減速開始を検出することを特徴とする請求項１～４のいずれか１項に記載の走行支援方法。
  6. 　前記車両の速度が所定値以下となる場合に前記車両の停止を検出することを特徴とする請求項１～５のいずれか１項に記載の走行支援方法。
  7. 　前記車両の減速開始から交差点の停止線までの距離を、前記制動距離とすることを特徴とする請求項１～６のいずれか１項に記載の走行支援方法。
  8. 　前記車両の前方の先行車が未検出である場合と、前記車両と先行車との間の車間距離が所定値以上である場合に、先行車が不在であると判断することを特徴とする請求項１～７のいずれか１項に記載の走行支援方法。
  9. 　前記車両が交差点で停止するときに最大減速度が所定値以上となる制動距離を使用しないことを特徴とする請求項１～８のいずれか１項に記載の走行支援方法。
  10. 　前記車両が交差点で停止するときに減速開始速度が所定値以下となる制動距離を使用しないことを特徴とする請求項１～９のいずれか１項に記載の走行支援方法。
  11. 　前記車両が走行している環境と前記制動距離を対応させて学習することを特徴とする請求項１～１０のいずれか１項に記載の走行支援方法。
  12. 　前記車両が走行している環境は、前記車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無または信号機の表示状態、前記車両の方向指示器の表示状態、前記車両の周辺の天候、気温または照度のうちの少なくとも１つであることを特徴とする請求項１１に記載の走行支援方法。
  13. 　前記学習結果を自動運転の走行特性に適用する場合において、
    　前記車両が下り坂を走行しているか否かを判定し、
    　前記車両が下り坂を走行している場合には、上り坂を走行している場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１～１２のいずれか１項に記載の走行支援方法。
  14. 　前記学習結果を自動運転の走行特性に適用する場合において、
    　前記車両が右左折するか否かを判定し、
    　前記車両が右左折する場合には、右左折しない場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１～１３のいずれか１項に記載の走行支援方法。
  15. 　前記学習結果を自動運転の走行特性に適用する場合において、
    　前記車両の前方の信号機が赤信号であるか否かを判定し、
    　前記車両の前方の信号機が赤信号である場合には、赤信号以外の場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１～１４のいずれか１項に記載の走行支援方法。
  16. 　前記学習結果を自動運転の走行特性に適用する場合において、
    　前記車両が走行している道路がカーブしているか否かを判定し、
    　前記車両が走行している道路がカーブしている場合には、カーブしていない場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１～１５のいずれか１項に記載の走行支援方法。
  17. 　前記学習結果を自動運転の走行特性に適用する場合において、
    　前記車両が夜間を走行しているか否かを判定し、
    　前記車両が夜間を走行している場合には、夜間でない場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１～１６のいずれか１項に記載の走行支援方法。
  18. 　前記学習結果を自動運転の走行特性に適用する場合において、
    　前記車両の周辺の天候が悪天候であるか否かを判定し、
    　前記車両の周辺の天候が悪天候である場合には、悪天候でない場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１～１７のいずれか１項に記載の走行支援方法。
  19. 　前記学習結果を自動運転の走行特性に適用する場合において、
    　前記車両が走行している道路の制限速度が所定値以上であるか否かを判定し、
    　前記車両が走行している道路の制限速度が所定値以上である場合には、前記制限速度が所定値より低い場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１～１８のいずれか１項に記載の走行支援方法。
  20. 　前記制動距離の学習結果に基づいて、運転者の運転スタイルを判定することを特徴とする請求項１～１９のいずれか１項に記載の走行支援方法。
  21. 　前記車両の外部に外部サーバを備え、前記外部サーバで前記制動距離を学習することを特徴とする請求項１～２０のいずれか１項に記載の走行支援方法。
  22. 　前記制動距離の学習結果を、前記車両の自動運転時の制動距離に適用することを特徴とする請求項１～２１のいずれか１項に記載の走行支援方法。
  23. 　運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中における交差点で停止する場合の制動距離を学習し、この学習結果を自動運転の走行特性に適用する運転制御装置であって、
    　前記車両の前方の先行車が不在のときの制動距離を優先して学習することを特徴とする運転制御装置。
PCT/JP2017/009021 2017-03-07 2017-03-07 走行支援方法及び運転制御装置 WO2018163288A1 (ja)

Priority Applications (10)

Application Number Priority Date Filing Date Title
CA3055702A CA3055702A1 (en) 2017-03-07 2017-03-07 Traveling assistance method and driving control device
RU2019131368A RU2720862C1 (ru) 2017-03-07 2017-03-07 Способ помощи при движении и устройство управления вождением
CN201780087833.8A CN110382319B (zh) 2017-03-07 2017-03-07 行驶辅助方法及驾驶控制装置
BR112019018405A BR112019018405A2 (pt) 2017-03-07 2017-03-07 método de assistência à viagem e dispositivo de controle de condução
MX2019010512A MX2019010512A (es) 2017-03-07 2017-03-07 Metodo de asistencia al desplazamiento y dispositivo de control de conduccion.
PCT/JP2017/009021 WO2018163288A1 (ja) 2017-03-07 2017-03-07 走行支援方法及び運転制御装置
JP2019504173A JP6773210B2 (ja) 2017-03-07 2017-03-07 走行支援方法及び運転制御装置
KR1020197025694A KR102075328B1 (ko) 2017-03-07 2017-03-07 주행 지원 방법 및 운전 제어 장치
EP17900250.6A EP3594077A4 (en) 2017-03-07 2017-03-07 DRIVING AID PROCEDURE AND DRIVE CONTROL PROCEDURE
US16/491,033 US10787173B2 (en) 2017-03-07 2017-03-07 Traveling assistance method and driving control device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/009021 WO2018163288A1 (ja) 2017-03-07 2017-03-07 走行支援方法及び運転制御装置

Publications (1)

Publication Number Publication Date
WO2018163288A1 true WO2018163288A1 (ja) 2018-09-13

Family

ID=63449078

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/009021 WO2018163288A1 (ja) 2017-03-07 2017-03-07 走行支援方法及び運転制御装置

Country Status (10)

Country Link
US (1) US10787173B2 (ja)
EP (1) EP3594077A4 (ja)
JP (1) JP6773210B2 (ja)
KR (1) KR102075328B1 (ja)
CN (1) CN110382319B (ja)
BR (1) BR112019018405A2 (ja)
CA (1) CA3055702A1 (ja)
MX (1) MX2019010512A (ja)
RU (1) RU2720862C1 (ja)
WO (1) WO2018163288A1 (ja)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019127207A (ja) * 2018-01-26 2019-08-01 株式会社デンソーテン 運転支援装置、及び運転特性の学習方法
JP2020082896A (ja) * 2018-11-20 2020-06-04 本田技研工業株式会社 車両制御システム
JP2020140311A (ja) * 2019-02-27 2020-09-03 トヨタ自動車株式会社 評価装置
CN112389442A (zh) * 2019-08-13 2021-02-23 丰田自动车株式会社 水淹检知装置、水淹检知系统及计算机可读介质
JP6896179B1 (ja) * 2020-02-10 2021-06-30 三菱電機株式会社 制御装置及び学習装置
JP2021533037A (ja) * 2018-09-30 2021-12-02 ストロング フォース インテレクチュアル キャピタル, エルエルシーStrong Force Intellectual Capital, Llc 高機能輸送システム
JP2022003513A (ja) * 2020-09-25 2022-01-11 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド 巡航制御方法、装置、電子デバイス、車両、コンピュータ可読記憶媒体、およびコンピュータプログラム
KR20230033111A (ko) * 2021-08-27 2023-03-08 포티투닷 주식회사 운전자의 상황별 운전 스타일에 기초한 차량의 자율 운행 제어 방법 및 장치
EP3944046A4 (en) * 2019-03-19 2023-03-08 UISEE Technologies (Beijing) Ltd. METHOD FOR UPGRADING AN AUTOMATIC DRIVING SYSTEM, AUTOMATIC DRIVING SYSTEM AND DEVICE MOUNTED ON A VEHICLE
WO2023032547A1 (ja) * 2021-09-02 2023-03-09 株式会社アドヴィックス 車両の制動制御装置
EP3944047A4 (en) * 2019-03-19 2023-03-15 UISEE Technologies (Beijing) Ltd. METHOD FOR UPGRADING AN AUTOMATED DRIVING SYSTEM, AUTOMATED DRIVING SYSTEM AND DEVICE MOUNTED ON A VEHICLE

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6524144B2 (ja) * 2017-06-02 2019-06-05 本田技研工業株式会社 車両制御システム及び方法、並びに走行支援サーバ
KR102286352B1 (ko) * 2017-08-11 2021-08-05 현대모비스 주식회사 전방 충돌 방지보조 시스템의 제어 장치 및 방법
US11620907B2 (en) * 2019-04-29 2023-04-04 Qualcomm Incorporated Method and apparatus for vehicle maneuver planning and messaging
KR20220005680A (ko) * 2020-07-06 2022-01-14 현대모비스 주식회사 차량의 군집 주행 제어 시스템 및 방법
CN112141102B (zh) * 2020-09-24 2022-02-15 阿波罗智能技术(北京)有限公司 巡航控制方法、装置、设备、车辆和介质
KR20220089730A (ko) * 2020-12-21 2022-06-29 주식회사 시로코 차량 제어 장치
JP2022147209A (ja) * 2021-03-23 2022-10-06 トヨタ自動車株式会社 車両制御装置
CN113428164B (zh) * 2021-07-21 2023-01-03 上汽通用五菱汽车股份有限公司 驾驶习惯学习方法、装置及计算机可读存储介质
CN114655213B (zh) * 2022-04-18 2024-05-24 重庆长安汽车股份有限公司 一种基于自学习的红绿灯路口驾驶控制系统及方法
FR3140602A1 (fr) * 2022-10-11 2024-04-12 Renault S.A.S. Procédé de gestion automatisée de la vitesse longitudinale d’un véhicule automobile.

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007062604A (ja) * 2005-08-31 2007-03-15 Toyota Motor Corp 車両用自動制動装置
US20070198145A1 (en) * 2005-10-21 2007-08-23 Norris William R Systems and methods for switching between autonomous and manual operation of a vehicle
JP2008105511A (ja) * 2006-10-24 2008-05-08 Toyota Motor Corp 運転支援装置
JP2011098690A (ja) * 2009-11-09 2011-05-19 Toyota Motor Corp 車両用運転支援装置
JP2015089801A (ja) 2013-11-07 2015-05-11 株式会社デンソー 運転制御装置
JP2015099406A (ja) * 2012-03-05 2015-05-28 アイシン精機株式会社 運転支援装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2722746B2 (ja) * 1990-01-29 1998-03-09 日産自動車株式会社 自動ブレーキ装置
JP3280064B2 (ja) * 1992-04-22 2002-04-30 マツダ株式会社 車両の自動制動装置
JP4375488B2 (ja) * 2007-10-11 2009-12-02 トヨタ自動車株式会社 運転支援装置
CN103596830B (zh) * 2011-08-29 2016-11-23 丰田自动车株式会社 车辆用信息处理装置和车辆用信息处理方法
JP5630583B2 (ja) * 2011-08-31 2014-11-26 日産自動車株式会社 車両運転支援装置
JP6170348B2 (ja) * 2013-06-13 2017-07-26 株式会社Ｓｕｂａｒｕ 車両の回生制動制御装置
JP5839010B2 (ja) * 2013-09-11 2016-01-06 トヨタ自動車株式会社 運転支援装置
EP3240714B1 (en) * 2014-12-29 2023-08-30 Robert Bosch GmbH Systems and methods for operating autonomous vehicles using personalized driving profiles
EP3466789B1 (en) * 2016-05-27 2020-12-16 Nissan Motor Co., Ltd. Driving control method and driving control device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007062604A (ja) * 2005-08-31 2007-03-15 Toyota Motor Corp 車両用自動制動装置
US20070198145A1 (en) * 2005-10-21 2007-08-23 Norris William R Systems and methods for switching between autonomous and manual operation of a vehicle
JP2008105511A (ja) * 2006-10-24 2008-05-08 Toyota Motor Corp 運転支援装置
JP2011098690A (ja) * 2009-11-09 2011-05-19 Toyota Motor Corp 車両用運転支援装置
JP2015099406A (ja) * 2012-03-05 2015-05-28 アイシン精機株式会社 運転支援装置
JP2015089801A (ja) 2013-11-07 2015-05-11 株式会社デンソー 運転制御装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3594077A4

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019127207A (ja) * 2018-01-26 2019-08-01 株式会社デンソーテン 運転支援装置、及び運転特性の学習方法
JP7120534B2 (ja) 2018-01-26 2022-08-17 株式会社デンソーテン 運転支援装置、及び運転特性の学習方法
JP7465484B2 (ja) 2018-09-30 2024-04-11 ストロング フォース ティーピー ポートフォリオ ２０２２，エルエルシー 高機能輸送システム
JP2021533037A (ja) * 2018-09-30 2021-12-02 ストロング フォース インテレクチュアル キャピタル, エルエルシーStrong Force Intellectual Capital, Llc 高機能輸送システム
JP2020082896A (ja) * 2018-11-20 2020-06-04 本田技研工業株式会社 車両制御システム
US11562272B2 (en) 2019-02-27 2023-01-24 Toyota Jidosha Kabushiki Kaisha Evaluating apparatus
JP2020140311A (ja) * 2019-02-27 2020-09-03 トヨタ自動車株式会社 評価装置
JP7136720B2 (ja) 2019-02-27 2022-09-13 トヨタ自動車株式会社 評価装置
US11685397B2 (en) 2019-03-19 2023-06-27 Uisee Technologies (beijing) Co., Ltd. Methods for updating autonomous driving system, autonomous driving systems, and on-board apparatuses
EP3944047A4 (en) * 2019-03-19 2023-03-15 UISEE Technologies (Beijing) Ltd. METHOD FOR UPGRADING AN AUTOMATED DRIVING SYSTEM, AUTOMATED DRIVING SYSTEM AND DEVICE MOUNTED ON A VEHICLE
EP3944046A4 (en) * 2019-03-19 2023-03-08 UISEE Technologies (Beijing) Ltd. METHOD FOR UPGRADING AN AUTOMATIC DRIVING SYSTEM, AUTOMATIC DRIVING SYSTEM AND DEVICE MOUNTED ON A VEHICLE
JP7238684B2 (ja) 2019-08-13 2023-03-14 トヨタ自動車株式会社 冠水検知装置、冠水検知システム、及び冠水検知プログラム
JP2021033313A (ja) * 2019-08-13 2021-03-01 トヨタ自動車株式会社 冠水検知装置、冠水検知システム、及び冠水検知プログラム
CN112389442A (zh) * 2019-08-13 2021-02-23 丰田自动车株式会社 水淹检知装置、水淹检知系统及计算机可读介质
CN112389442B (zh) * 2019-08-13 2024-06-21 丰田自动车株式会社 水淹检知装置、水淹检知系统及计算机可读介质
WO2021161374A1 (ja) * 2020-02-10 2021-08-19 三菱電機株式会社 制御装置及び学習装置
JP6896179B1 (ja) * 2020-02-10 2021-06-30 三菱電機株式会社 制御装置及び学習装置
JP2022003513A (ja) * 2020-09-25 2022-01-11 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド 巡航制御方法、装置、電子デバイス、車両、コンピュータ可読記憶媒体、およびコンピュータプログラム
JP7285874B2 (ja) 2020-09-25 2023-06-02 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド 巡航制御方法、装置、電子デバイス、車両、コンピュータ可読記憶媒体、およびコンピュータプログラム
KR20230033111A (ko) * 2021-08-27 2023-03-08 포티투닷 주식회사 운전자의 상황별 운전 스타일에 기초한 차량의 자율 운행 제어 방법 및 장치
KR102587598B1 (ko) * 2021-08-27 2023-10-13 포티투닷 주식회사 운전자의 상황별 운전 스타일에 기초한 차량의 자율 운행 제어 방법 및 장치
WO2023032547A1 (ja) * 2021-09-02 2023-03-09 株式会社アドヴィックス 車両の制動制御装置

Also Published As

Publication number Publication date
EP3594077A4 (en) 2020-04-08
KR102075328B1 (ko) 2020-02-10
US20200122724A1 (en) 2020-04-23
CA3055702A1 (en) 2018-09-13
CN110382319A (zh) 2019-10-25
US10787173B2 (en) 2020-09-29
CN110382319B (zh) 2020-10-16
MX2019010512A (es) 2019-10-15
RU2720862C1 (ru) 2020-05-13
BR112019018405A2 (pt) 2020-04-07
KR20190112315A (ko) 2019-10-04
EP3594077A1 (en) 2020-01-15
JP6773210B2 (ja) 2020-10-28
JPWO2018163288A1 (ja) 2020-02-20

Similar Documents

Publication Publication Date Title
WO2018163288A1 (ja) 走行支援方法及び運転制御装置
CN106515734B (zh) 用于机动车辆中自动适应加速的方法
US11097730B2 (en) Implicit activation and control of driver assistance systems
US9798323B2 (en) Crowd-sourced transfer-of-control policy for automated vehicles
CN109791734A (zh) 驾驶辅助方法及驾驶辅助装置
JP6856130B2 (ja) 走行特性学習方法及び走行支援装置
US10850740B2 (en) Driving assistance method and driving assistance device
CN111108539A (zh) 行驶支持方法以及行驶支持装置
US20190100136A1 (en) Driving assistance method, and driving assistance device, automatic driving control device, vehicle, and program using same
CN109844833A (zh) 驾驶切换判定装置、驾驶切换判定方法以及用于驾驶切换判定的程序
WO2018138767A1 (ja) 走行特性学習方法及び運転制御装置
JP2018092525A (ja) 運転支援装置及び運転支援方法
US20240062590A1 (en) Method for executing a test drive with at least one test vehicle
JP6756402B2 (ja) 走行制御方法及び運転制御装置
WO2019021430A1 (ja) 走行制御方法及び走行制御装置
BR112020001616B1 (pt) Método de assistência à direção e dispositivo de assistência à direção

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17900250

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019504173

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 20197025694

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 3055702

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112019018405

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 2017900250

Country of ref document: EP

Effective date: 20191007

ENP Entry into the national phase

Ref document number: 112019018405

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20190905