WO2018230530A1 - 車両制御システム、車両制御方法、およびプログラム - Google Patents

Abstract

車両の周辺の物体を検出する検出部と、前記検出部により検出された物体の分布に基づいて、前記物体が乗員に与えるストレスを評価する評価部と、前記評価部により評価されたストレスに基づいて、前記車両が自動運転で走行する際の軌道を生成する軌道生成部とを備える。

Description

車両制御システム、車両制御方法、およびプログラム

　本発明の態様は、車両制御システム、車両制御方法、およびプログラムに関する。
　本願は、２０１７年６月１６日に、日本に出願された特願２０１７－１１８６９６号に基づき優先権を主張し、その内容をここに援用する。

　従来、曜日、季節および時間帯を含む時間要素に応じて車両の走行状態を制限すべき道路状況となる制限範囲が地図データに対応付けて登録された制限範囲データベースの登録内容を基に、車両が制限範囲に到達すると予想される時点での時間要素に応じた道路状況でとるべき運転行動を決定し、車両が制限範囲に到達する前に決定された運転行動を提示する装置が知られている（例えば、特許文献１参照）。

特開２０１５－４２９４６号公報

　しかしながら、上記の装置では、車両の周辺に存在する物体が乗員に与えるストレスについては考慮されていなかった。
　本発明は、このような事情を考慮してなされたものであり、乗員に与えるストレスを抑制することを目的の一つとする。

　本発明に係る、車両制御システム、車両制御方法、およびプログラムは、以下の構成を採用した。
　（１）：本発明の一態様は、車両の周辺の物体を検出する検出部と、前記検出部により検出された物体の分布に基づいて、前記物体が乗員に与えるストレスの度合を予測する予測部と、前記予測部により予測されたストレスの度合に基づいて、前記車両が自動運転で走行する際の軌道を生成する制御部とを備える車両制御システムである。

　（２）：上記（１）の態様において、前記制御部は、前記予測部により予測されたストレスの度合と、前記検出部により検出された物体の分布とに基づいて、前記車両が自動で走行する際の軌道を生成するものである。

　（３）：上記（２）の態様において、前記軌道は、乗員のストレスの度合が第１の閾値以下となる軌道であるものである。

　（４）：上記（３）の態様において、前記乗員のストレスの度合が第１の閾値以下となる軌道は、前記乗員のストレスの度合が第１の閾値を超える軌道に比して、前記物体から離れた位置を通過する軌道であるものである。

　（５）：上記（４）の態様において、前記乗員のストレスの度合が第１の閾値以下となる軌道は、前記乗員のストレスの度合が第１の閾値を超える軌道に比して、車速または加速度が抑制された軌道であるものである。

　（６）：上記（１）の態様であって、乗員のストレスの度合を推定する乗員監視部を、更に備え、前記制御部は、所定時間前において、前記生成した軌道を前記車両が走行した際に前記乗員監視部により推定されたストレスの度合が第２の閾値以上である場合、前記第２の閾値以上である前記乗員監視部により推定されたストレスの度合に基づいて、前記車両が自動運転で走行する際の軌道を生成するものである。

　（７）：上記（１）の態様であって、前記制御部は、車両が走行した際にストレスの度合が第３の閾値以上となると予測される特定経路の情報を参照し、前記特定経路とは異なる経路を優先的に走行するように決定するものである。

　（８）：本発明の一態様は、車載コンピュータが、車両の周辺の物体を検出し、前記検出された物体の分布に基づいて、前記物体が乗員に与えるストレスの度合を予測し、前記予測されたストレスの度合に基づいて、前記車両が自動運転で走行する際の軌道を生成する車両制御方法である。

　（９）：本発明の一態様は、車載コンピュータに、車両の周辺の物体を検出させ、前記検出された物体の分布に基づいて、前記物体が乗員に与えるストレスの度合を予測させ、前記予測されたストレスの度合に基づいて、前記車両が自動運転で走行する際の軌道を生成させるプログラムである。

　上記（１）～（９）の態様によれば、乗員に与えるストレスの度合に基づいて、車両が自動運転で走行する際の軌道を生成することにより、乗員に与えるストレスを抑制することができる。

車両に搭載された車両制御システム１の構成図である。 自車位置認識部１２２により走行車線Ｌ１に対する車両の相対位置および姿勢が認識される様子を示す図である。 自動運転の処理過程について説明するための図である。 ストレス抑制情報１５２の一例を示す図である。 パターン情報１５４の一例を示す図である。 区間情報１５６の一例を示す図である。 車両制御システム１により実行される処理の流れを示すフローチャート（その１）である。 車両制御システム１により実行される処理の流れを示すフローチャート（その２）である。 軌道が補正されない場合の車両Ｍｘの挙動の一例を示す図である。 軌道が補正された場合の車両Ｍの挙動との一例を示す図である。 図９の場面における車両Ｍｘおよび車両Ｍの速度の推移の一例を示す図である。 図９および図１０の場面における乗員のストレスの度合の推移の一例を示す図である。 解析装置４００の機能構成を示す図である。 車両のカメラにより撮像された画像の一例を示す図である。 生体センサから車両に送信されるストレスに関する情報の一例を示す図である。 解析装置４００により実行される処理の流れを示すフローチャートである。 俯瞰画像の一例を示す図である。

　以下、図面を参照し、本発明の車両制御システム、車両制御方法、およびプログラムの実施形態について説明する。

　［全体構成］
　車両システムは、例えば、一以上の車両と、解析装置４００（図１２参照）とを備える。車両、および解析装置４００は、ネットワークを介して互いに通信する。ネットワークは、例えば、セルラー網、Ｗｉ－Ｆｉ網、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、無線基地局等を含む。

　解析装置４００は、所定の情報を解析し、解析した結果に基づいて、後述するストレス抑制情報を生成する。車両は、解析装置４００から取得したストレス抑制情報を用いて、車両を制御する。

　［車両］
　図１は、車両に搭載された車両制御システム１の構成図である。車両制御システム１が搭載される車両は、例えば、二輪や三輪、四輪等の車両であり、その駆動源は、ディーゼルエンジンやガソリンエンジンなどの内燃機関、電動機、或いはこれらの組み合わせである。電動機は、内燃機関に連結された発電機による発電電力、或いは二次電池や燃料電池の放電電力を使用して動作する。

　車両制御システム１は、例えば、カメラ１０と、レーダ装置１２と、ファインダ１４と、物体認識装置１６と、通信装置２０と、ＨＭＩ（Human Machine Interface）３０と、ナビゲーション装置５０と、ＭＰＵ（Micro-Processing Unit）６０と、車両センサ７０と、運転操作子８０と、車室内カメラ８２と、自動運転制御ユニット１００と、走行駆動力出力装置２００と、ブレーキ装置２１０と、ステアリング装置２２０とを備える。これらの装置や機器は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。図１に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。

　カメラ１０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の固体撮像素子を利用したデジタルカメラである。カメラ１０は、車両制御システム１が搭載される車両の任意の箇所に複数が取り付けられる。カメラ１０は、例えば、前方を撮像するものであり、フロントウインドシールドの上部やルームミラー裏面等に取り付けられる。カメラ１０は、ステレオカメラであってもよい。

　レーダ装置１２は、車両の周辺にミリ波などの電波を放射すると共に、物体によって反射された電波（反射波）を検出して少なくとも物体の位置（距離および方位）を検出する。レーダ装置１２は、車両の任意の箇所に一つまたは複数が取り付けられる。レーダ装置１２は、ＦＭ－ＣＷ（Frequency Modulated Continuous Wave）方式によって物体の位置および速度を検出してもよい。

　ファインダ１４は、照射光に対する散乱光を測定し、対象までの距離を検出するＬＩＤＡＲ（Light Detection and Ranging、或いはLaser Imaging Detection and Ranging）である。ファインダ１４は、車両の任意の箇所に一つまたは複数が取り付けられる。

　物体認識装置１６は、カメラ１０、レーダ装置１２、およびファインダ１４のうち一部または全部による検出結果に対してセンサフュージョン処理を行って、物体の位置、種類、速度などを認識する。物体認識装置１６は、認識結果を自動運転制御ユニット１００に出力する。

　通信装置２０は、例えば、セルラー網やＷｉ－Ｆｉ網、ｂｌｕｅｔｏｏｔｈ（登録商標）、ＤＳＲＣ（Dedicated Short Range Communication）などを利用して、車両の周辺に存在する他車両と通信し、或いは無線基地局を介して各種サーバ装置と通信する。

　ＨＭＩ３０は、車両の乗員に対して各種情報を提示すると共に、乗員による入力操作を受け付ける。ＨＭＩ３０は、各種表示装置、スピーカ、ブザー、タッチパネル、スイッチ、キーなどを含む。

　ナビゲーション装置５０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）受信機５１と、ナビＨＭＩ５２と、経路決定部５３とを備え、ＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に第１地図情報５４を保持している。ＧＮＳＳ受信機は、ＧＮＳＳ衛星から受信した信号に基づいて、車両の位置を特定する。車両の位置は、車両センサ７０の出力を利用したＩＮＳ（Inertial Navigation System）によって特定または補完されてもよい。ナビＨＭＩ５２は、表示装置、スピーカ、タッチパネル、キーなどを含む。ナビＨＭＩ５２は、前述したＨＭＩ３０と一部または全部が共通化されてもよい。経路決定部５３は、例えば、ＧＮＳＳ受信機５１により特定された車両の位置（或いは入力された任意の位置）から、ナビＨＭＩ５２を用いて乗員により入力された目的地までの経路を、第１地図情報５４を参照して決定する。第１地図情報５４は、例えば、道路を示すリンクと、リンクによって接続されたノードとによって道路形状が表現された情報である。第１地図情報５４は、道路の曲率やＰＯＩ（Point Of Interest）情報などを含んでもよい。経路決定部５３により決定された経路は、ＭＰＵ６０に出力される。ナビゲーション装置５０は、経路決定部５３により決定された経路に基づいて、ナビＨＭＩ５２を用いた経路案内を行ってもよい。ナビゲーション装置５０は、例えば、ユーザの保有するスマートフォンやタブレット端末等の端末装置の機能によって実現されてもよい。ナビゲーション装置５０は、通信装置２０を介してナビゲーションサーバに現在位置と目的地を送信し、ナビゲーションサーバから返信された経路を取得してもよい。

　ＭＰＵ６０は、例えば、推奨車線決定部６１として機能し、ＨＤＤやフラッシュメモリなどの記憶装置に第２地図情報６２を保持している。推奨車線決定部６１は、ナビゲーション装置５０から提供された経路を複数のブロックに分割し（例えば、車両進行方向に関して１００［ｍ］毎に分割し）、第２地図情報６２を参照してブロックごとに目標車線を決定する。推奨車線決定部６１は、左から何番目の車線を走行するといった決定を行う。推奨車線決定部６１は、経路において分岐箇所や合流箇所などが存在する場合、車両が、分岐先に進行するための合理的な経路を走行できるように、推奨車線を決定する。

　第２地図情報６２は、第１地図情報５４よりも高精度な地図情報である。第２地図情報６２は、例えば、車線の中央の情報あるいは車線の境界の情報等を含んでいる。第２地図情報６２には、道路情報、交通規制情報、住所情報（住所・郵便番号）、施設情報、電話番号情報などが含まれてよい。道路情報には、高速道路、有料道路、国道、都道府県道といった道路の種別を表す情報や、道路の車線数、各車線の幅員、道路の勾配、道路の位置（経度、緯度、高さを含む３次元座標）、車線のカーブの曲率、車線の合流および分岐ポイントの位置、道路に設けられた標識等の情報が含まれる。第２地図情報６２は、通信装置２０を用いて他装置にアクセスすることにより、随時、アップデートされてよい。

　第２地図情報６２には、入口料金所や出口料金所などのゲート構造を示す情報が記憶されている。ゲート構造を示す情報は、例えば、料金所に設けられたゲートの数や、ゲートの位置を示す情報である。

　車両センサ７０は、車両の速度を検出する車速センサ、加速度を検出する加速度センサ、鉛直軸回りの角速度を検出するヨーレートセンサ、車両の向きを検出する方位センサ等を含む。

　運転操作子８０は、例えば、アクセルペダル、ブレーキペダル、シフトレバー、ステアリングホイールその他の操作子を含む。運転操作子８０には、操作量あるいは操作の有無を検出するセンサが取り付けられており、その検出結果は、自動運転制御ユニット１００、もしくは、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０のうち一方または双方に出力される。

　車室内カメラ８２は、運転席に着座した乗員の顔を中心として上半身を撮像する。車室内カメラ８２の撮像画像は、自動運転制御ユニット１００に出力される。

　自動運転制御ユニット１００は、例えば、第１制御部１２０と、第２制御部１４０と、記憶部１５０とを備える。第１制御部１２０、および第２制御部１４０とのうち、一方または双方は、ＣＰＵ（Central Processing Unit）などのプロセッサがプログラム（ソフトウェア）を実行することで実現される。各機能部のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリ等の記憶装置に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされてもよい。記憶部１５０は、例えば、ＲＯＭ（Read Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable and Programmable Read Only Memory）、ＨＤＤ（Hard Disk Drive）等の不揮発性の記憶装置と、ＲＡＭ（Random Access Memory）、レジスタ等の揮発性の記憶装置によって実現される。

　第１制御部１２０は、例えば、外界認識部（検知部）１２１と、自車位置認識部１２２と、行動計画生成部１２３と、予測部１２４と、補正部１２５とを備える。

　外界認識部１２１は、カメラ１０、レーダ装置１２、およびファインダ１４から物体認識装置１６を介して入力される情報に基づいて、周辺車両の位置、および速度、加速度等の状態を認識する。周辺車両の位置は、その周辺車両の重心やコーナー等の代表点で表されてもよいし、周辺車両の輪郭で表現された領域で表されてもよい。周辺車両の「状態」とは、周辺車両の加速度やジャーク、あるいは「行動状態」（例えば車両が車線変更をしている、または車両が車線変更をしようとしているか否か）を含んでもよい。外界認識部１２１は、周辺車両に加えて、ガードレールや電柱、駐車車両、歩行者その他の物体の位置を認識してもよい。

　自車位置認識部１２２は、例えば、車両が走行している車線（走行車線）、並びに走行車線に対する車両の相対位置および姿勢を認識する。自車位置認識部１２２は、例えば、第２地図情報６２から得られる道路区画線のパターン（例えば実線と破線の配列）と、カメラ１０によって撮像された画像から認識される車両の周辺の道路区画線のパターンとを比較することで、走行車線を認識する。この認識において、ナビゲーション装置５０から取得される車両の位置やＩＮＳによる処理結果が加味されてもよい。

　そして、自車位置認識部１２２は、例えば、走行車線に対する車両の位置や姿勢を認識する。図２は、自車位置認識部１２２により走行車線Ｌ１に対する車両の相対位置および姿勢が認識される様子を示す図である。自車位置認識部１２２は、例えば、車両Ｍの基準点（例えば重心）の走行車線中央ＣＬからの乖離ＯＳ、および車両Ｍの進行方向の走行車線中央ＣＬを連ねた線に対してなす角度θを、走行車線Ｌ１に対する車両Ｍの相対位置および姿勢として認識する。これに代えて、自車位置認識部１２２は、自車線Ｌ１の右側の道路区画線（または左側の道路区画線）に対する車両Ｍの基準点の位置などを、走行車線に対する車両Ｍの相対位置として認識してもよい。自車位置認識部１２２により認識される車両Ｍの相対位置は、推奨車線決定部６１および行動計画生成部１２３に提供される。

　行動計画生成部１２３は、推奨車線決定部６１により決定された推奨車線を走行するように、且つ、車両Ｍの周辺状況に対応できるように、自動運転において順次実行されるイベントを決定する。イベントには、例えば、一定速度で同じ走行車線を走行する定速走行イベント、前走車両に追従する追従走行イベント（自車両が前走車両との車間距離を設定距離、維持して走行するイベント）、車線変更イベント、合流イベント、分岐イベント、緊急停止イベント、自動運転を終了して手動運転に切り替えるためのハンドオーバイベント、料金所を通過するときに実行される料金所イベント（後述）などがある。これらのイベントの実行中に、車両Ｍの周辺状況（周辺車両や歩行者の存在、道路工事による車線狭窄など）に基づいて、回避のための行動が計画される場合もある。

　行動計画生成部１２３は、車両Ｍが将来走行する目標軌道を生成する。目標軌道は、例えば、速度要素を含んでいる。例えば、目標軌道は、所定のサンプリング時間（例えば０コンマ数［ｓｅｃ］程度）ごとに将来の基準時刻を複数設定し、それらの基準時刻に到達すべき目標地点（軌道点）の集合として生成される。このため、軌道点同士の間隔が広い場合、その軌道点の間の区間を高速に走行することを示している。

　図３は、自動運転の処理過程について説明するための図である。まず、上図に示すように、ナビゲーション装置５０によって経路が決定される。この経路は、例えば車線の区別が付けられていない大まかな経路である。次に、中図に示すように、推奨車線決定装置２４０が、経路に沿って走行しやすい推奨車線を決定する。そして、下図に示すように、自動運転制御ユニット２５０が、障害物の回避などを行いながら、なるべく推奨車線に沿って走行するための軌道点を生成し、軌道点（および付随する速度プロファイル）に沿って走行するように、走行駆動力出力装置２００、ブレーキ装置２１０、ステアリング装置２２０のうち一部または全部を制御する。このような役割分担はあくまで一例であり、例えば自動運転制御ユニット１００が一元的に処理を行ってもよい。

　行動計画生成部１２３は、例えば、目標軌道の候補を複数生成し、安全性と効率性の観点に基づいて、その時点での最適な目標軌道を選択する。

　予測部１２４は、外界認識部１２１により認識された物体の分布に基づいて、物体が乗員に与えるストレス度（ストレスの度合）を予測する。詳細は後述する。

　補正部１２５は、行動計画生成部１２３により生成された行動計画を、記憶部１５０に記憶されたストレス抑制情報１５２（後述）に基づいて、補正して乗員のストレスを抑制する軌道を生成する。

　乗員監視部１３０は、車室内カメラ８２により撮像された画像に基づいて、乗員の表情を解析し、解析結果に基づいて乗員のストレス度を推定する。例えば、乗員がストレスを感じた際の表情が撮像された画像の解析結果が記憶部１５０に記憶されている。この解析結果は、例えばストレス度の度合ごと記憶部１５０に記憶されている。乗員監視部１３０は、記憶部１５０に記憶された解析結果と、車室内カメラ８２により撮像された画像の解析結果とを比較して、乗員のストレス度を推定する。乗員監視部１３０は、乗員に身につけられた生体センサにより取得されたストレス度の検知結果を無線通信などによって取得し、取得した生体センサの検知結果に基づいて、乗員のストレス度を推定してもよい。乗員監視部１３０は、生体センサの検知結果と、車室内カメラ８２により撮像された画像の解析結果とを統合して、乗員のストレス度を推定してもよい。

　ＨＭＩ制御部１３４は、ＨＭＩ３０を制御する。

　第２制御部１４０は、走行制御部１４１を備える。走行制御部１４１は、行動計画生成部１２３によって生成された目標軌道を、予定の時刻通りに車両Ｍが通過するように、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０を制御する。

　記憶部１５０には、例えばストレス抑制情報１５２、パターン情報１５４、および区間情報１５６が記憶されている。上記のストレス抑制情報１５２、パターン情報１５４、および区間情報１５６は、例えば、解析装置４００により配信された情報である。

　ストレス抑制情報１５２は、車両Ｍが乗員のストレスを抑制するように走行する際に用いられる情報である。図４は、ストレス抑制情報１５２の一例を示す図である。ストレス抑制情報１５２は、類型化パターン、ストレス度、および補正値が互いに対応付けられた情報である。類型化パターンは、後述するパターン情報１５４によって決定される。補正値とは、同じ条件において行動計画生成部１２３により生成された軌道を走行した場合における挙動に対する補正値（例えば操舵量や減速度等）である。

　図５は、パターン情報１５４の一例を示す図である。パターン情報１５４は、物体の分布、道路パターン、および車両Ｍの挙動に基づいて、乗員が感じると予測されるストレス度、または類型化パターンを特定するための情報である。パターン情報１５４には、物体の分布、道路パターン、車両Ｍの挙動、ストレス度、および類型化パターンが互いに対応付けられている。物体の分布は、画像を鉛直上方より見た俯瞰画像における物体の分布である。例えば、画像は、外界認識部１２１によって俯瞰画像に変換される（図１６参照）。道路パターンとは、道路の態様を所定の基準に基づいて、類型化したものである。所定の基準とは、例えば、道路の車線数や、道路の幅、道路の特性（駅前の通り、住宅街の通り）、歩道の態様などである。道路パターンは、地図情報において、ノードやリンクに対して対応付けられていてもよい。類型化パターンとは、物体の分布、道路パターン、および車両の挙動を、所定の基準に基づいて類型化したものである。

　区間情報１５６は、乗員のストレス度が閾値（第１の閾値、或いは第３の閾値）以上となる区間と時間帯との組み合わせを認識可能な情報である。図６は、区間情報１５６の一例を示す図である。

　走行駆動力出力装置２００は、車両Ｍが走行するための走行駆動力（トルク）を駆動輪に出力する。走行駆動力出力装置２００は、例えば、内燃機関、電動機、および変速機などの組み合わせと、これらを制御するＥＣＵとを備える。ＥＣＵは、走行制御部１４１から入力される情報、或いは運転操作子８０から入力される情報に従って、上記の構成を制御する。

　ブレーキ装置２１０は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータと、ブレーキＥＣＵとを備える。ブレーキＥＣＵは、走行制御部１４１から入力される情報、或いは運転操作子８０から入力される情報に従って電動モータを制御し、制動操作に応じたブレーキトルクが各車輪に出力されるようにする。ブレーキ装置２１０は、運転操作子８０に含まれるブレーキペダルの操作によって発生させた油圧を、マスターシリンダを介してシリンダに伝達する機構をバックアップとして備えてよい。ブレーキ装置２１０は、上記説明した構成に限らず、走行制御部１４１から入力される情報に従ってアクチュエータを制御して、マスターシリンダの油圧をシリンダに伝達する電子制御式油圧ブレーキ装置であってもよい。

　ステアリング装置２２０は、例えば、ステアリングＥＣＵと、電動モータとを備える。電動モータは、例えば、ラックアンドピニオン機構に力を作用させて転舵輪の向きを変更する。ステアリングＥＣＵは、走行制御部１４１から入力される情報、或いは運転操作子８０から入力される情報に従って、電動モータを駆動し、転舵輪の向きを変更させる。

　［車両Ｍの処理］
　図７は、車両制御システム１により実行される処理の流れを示すフローチャート（その１）である。まず、自動運転制御ユニット１００は、ナビゲーション装置５０から車両Ｍの経路を取得する（ステップＳ１００）。次に、予測部１２４は、区間情報１６０を参照して、車両Ｍが走行する予定の時刻において、ステップＳ１００で取得した経路にストレス度が所定の度合以上高くなると予測される区間が含まれるか否かを判定する（ステップＳ１０２）。取得した経路にストレス度が所定の度合以上高くなると予測される区間が含まれない場合、本フローチャートの１ルーチンの処理は終了する。

　取得した経路にストレス度が所定の度合以上高くなると予測される区間が含まれている場合、予測部１２４は、ストレス度が高くなると予測される区間を回避できるか否かを判定する（ステップＳ１０４）。例えば、以下のように判定する。予測部１２４は、ナビゲーション装置５０に他の経路を生成することを指示する。ナビゲーション装置５０は、指示を取得すると他の経路を生成し、生成した経路を予測部１２４に送信する。例えば、予測部１２４は、新たに生成された経路が非効率な経路（目的地までの時間が所定時間以上掛かる経路、所定の距離以上迂回する経路）である場合、ストレス度が所定度合以上高くなると予測される区間を回避できないと判定し、新たに生成された経路が非効率な経路でないと判定した場合、ストレス度が所定度合以上高くなると予測される区間を回避できると判定する。

　ストレス度が所定度合以上高くなると予測される区間を回避できる場合、自動運転制御ユニット１００は、ストレス度が所定度合以上高くなると予測される区間を回避する経路を走行するように車両Ｍを制御する（ステップＳ１０６）。すなわち、運転制御ユニット１００は、ストレス度が所定度合以上高くなると予測される区間（特定経路）とは異なる区間（経路）を優先的に走行するように車両Ｍを制御する。ストレス度が所定度合以上高くなると予測される区間を回避する経路とは、例えば、新たに生成された非効率でないと判定された経路のうち、最も効率的な経路である。

　ストレス度が所定度合以上高くなると予測される区間を回避できない場合、自動運転制御ユニット１００は、ステップＳ１００で取得した経路を走行するように車両Ｍを制御する（ステップＳ１０８）。この場合、ＨＭＩ制御部１３４は、ＨＭＩ３０を制御して、乗員を安心させるための情報をＨＭＩ３０に出力させてもよい。例えば、ＨＭＩ制御部１３４は、「安心しください。ストレスが高くならないように走行します。」などの音声をＨＭＩ３０に出力させる。ＨＭＩ制御部１３４は、乗員監視部１３０によって乗員のストレスが所定度合以上であると推定された場合、上記の音声をＨＭＩ３０に出力させてもよい。これにより本フローチャートの１ルーチンの処理は終了する。

　上述した処理により、車両制御システム１は、乗員のストレス度が高くなると予測される区間を避けることができる。乗員のストレス度が高くなると予測される区間を避けることができない場合、図８のフローチャートの処理が実行される。

　図８は、車両制御システム１により実行される処理の流れを示すフローチャート（その２）である。まず、行動計画生成部１２３は、行動計画を生成する（ステップＳ２００）。次に、予測部１２４は、外界認識部１２１から物体の分布を取得する（ステップ２０２）。次に、予測部１２４は、パターン情報１５４を参照し、物体の分布と、道路パターンと、車両Ｍの挙動とに基づいて、乗員が感じると予測されるストレス度、および類型化パターンを特定する（ステップＳ２０４）。

　次に、補正部１２５は、ストレス抑制情報１５２を参照して、ステップＳ２０４で特定した類型化パターンと予測されるストレス度とに基づいて、補正値を取得する（ステップＳ２０６）。次に、補正部１２５は、所定時間前において乗員監視部１３０により推定されたストレス度が閾値（第２の閾値）以上であったか否かを判定する（ステップＳ２０８）。所定時間前のタイミングは、過去にストレス抑制情報１５２に基づいて、軌道が補正される処理が行われ、その軌道を車両Ｍが走行したタイミングである。

　所定時間前において乗員監視部１３０により推定されたストレス度が閾値以上でなかった場合、補正部１２５は、行動計画生成部１２３により生成された軌道を、ステップＳ２０６で取得した補正値で補正する（ステップＳ２１０）。ステップＳ２０４で特定されたストレス度が、所定値以下である場合、軌道は補正されなくてもよい。

　所定時間前において乗員監視部１３０により推定されたストレス度が閾値以上であった場合、補正部１２５は、推定されたストレス度の度合に応じて、補正値を調整し（ステップＳ２１２）、ステップＳ２１０の処理に進む。補正値の調整は、例えば記憶部１５０に記憶された不図示の調整マップが参照されて行われる。調整マップは、閾値以上であるストレス度の大きさが大きい程、ストレス度に対応付けられた調整値が大きくなるように生成されている。すなわち、調整マップは、乗員のストレス度が閾値（第１の閾値、或いは第２の閾値）未満になるように補正値を調整するマップである。このように、調整マップによって、補正値が調整されることによって、乗員のストレスの感じ方に応じて補正値が調整され、乗員のストレス度が閾値未満となるように車両Ｍが走行する軌道が生成される。これにより本フローチャートの１ルーチンの処理は終了する。

　上述したように、補正部１２５が、軌道を補正することにより、乗員に与えるストレスを抑制することができる。

　図９は、軌道が補正されない場合の車両Ｍｘの挙動と、軌道が補正された場合の車両Ｍの挙動との一例を示す図である。図示する例では、走行車線の脇に人物Ｈ（Ｈ１～Ｈ４）が存在している。図９Ａは軌道が補正されない場合の車両Ｍｘの挙動を示し、図９Ｂは軌道が補正された場合の車両Ｍの挙動を示している。例えば図９Ａでは、時刻Ｔおよび時刻Ｔ＋１において車両Ｍｘは、走行車線の中央付近を走行する。この場合、人物が存在する領域を車両Ｍが通過する際、車両Ｍｘと人物Ｈとの距離Ｌが短いため、車両Ｍｘの乗員はストレスを感じる場合がある。これに対して、図９Ｂでは、時刻Ｔにおいて車両Ｍは、走行車線内において、走行車線の中央付近から横方向に関して人物から遠ざかるように走行し、距離Ｌ＋α（＞距離Ｌ）を確保して人物が存在する領域を通過する。その後、車両Ｍは、走行車線の中央を走行する。このように車両Ｍは、乗員のストレスが抑制されるように走行する。

　図９では、人物に対する車両Ｍの走行位置について説明したが、図１０に示すように車両Ｍの速度（または加速度）についても補正されてよい。図１０は、図９の場面における車両Ｍｘおよび車両Ｍの速度の推移の一例を示す図である。図１０の縦軸は車両の速度を示し、横軸は時間を示している。実線は、車両Ｍの速度の推移を示し、点線は、車両Ｍｘの速度の推移を示している。車両Ｍｘの速度は一定である。これに対して、車両Ｍは、時刻Ｔから徐々に所定の速度まで減速し、所定の速度で人物Ｈが存在する領域を通過する。そして、車両Ｍは、時刻Ｔ＋１から所定時間経過後に時刻Ｔ前の速度まで加速させて走行する。このように、補正部１２５の補正によって、車両Ｍは人物Ｈが存在する領域を通過する際に減速するため、乗員が感じるストレスが抑制される。

　図１１は、上記の図９および図１０の場面における乗員のストレスの推移の一例を示す図である。図１１の縦軸は車両Ｍの乗員のストレス度を示し、横軸は時間を示している。実線は、車両Ｍの乗員のストレス度の推移を示し、点線は、車両Ｍｘの乗員のストレス度の推移を示している。車両Ｍｘの乗員のストレス度は、時刻Ｔから時刻Ｔ＋１の間（人物が存在する領域の通過前から通過後までの間）、人物が存在しない領域を走行する際の乗員のストレス度に比して高くなる場合がある。これに対して、車両Ｍの乗員のストレス度は、閾値（第１の閾値）Ｔｈ以下で一定である。すなわち人物の存在する領域を走行した場合のストレス度は、人物が存在しない領域を走行した場合のストレス度と同じである。このように、補正部１２５が、軌道を補正することにより、乗員のストレスを抑制することができる。

　ストレス抑制情報１５２は、所定時間（または所定の走行距離）における物体の検知頻度や、車両Ｍに対して対向して走行している物体（車両等）の通過頻度、物体の平均移動速度に基づいて生成されてもよい。検知頻度が高い、通過頻度が高い、または平均移動速度が速い場合、ストレスが高くなると予測されるため、補正値は大きい値に設定されてもよい。この場合、ストレス抑制情報１５２において、上記の検知頻度、通過頻度、または平均移動速度ごとに、類型化パターンが対応付けられている。予測部１２４は、画像認識結果に基づいて、検知頻度、通過頻度、または平均移動速度を取得する。そして、補正部１２５は、ストレス抑制情報１５２を参照して、検知頻度、通過頻度、または平均移動速度に基づいて類型化パターンを特定して、補正値を取得する。

　以下、解析装置４００によってストレス抑制情報１５２が生成される処理について説明する。

　［解析装置］
　図１２は、解析装置４００の機能構成を示す図である。解析装置４００は、例えば、通信部４０２と、解析部４０４と、配信部４０６と、記憶部４２０とを備える。通信部４０２は、車両と通信する通信インターフェースである。この車両は、自動運転車両であって、行動計画生成部１２３により生成された軌道を走行する車両である。解析部４０４は、車両から取得した情報を解析する（詳細は後述する）。配信部４０６は、解析部４０４により解析された結果を、車両に配信する。

　記憶部４２０には、地図情報４２２と、車両情報４２４と、収集情報４２６と、対応情報４２８と、ストレス抑制情報４３０と、区間情報４３２が記憶されている。地図情報４２２は、第２地図情報６２と同様の高精度な地図情報である。車両情報４２４は、車両ＩＤや、車両の種別、車両の通信アドレス、車両に搭載されたカメラが撮像する撮像領域の情報等を含む情報である。

　収集情報４２６は、車両から取得された車両の走行経路や、軌道、車両に搭載されたカメラにより撮像された画像、車両の乗員の手首などの身体に取り付けられた生体センサにより検知された情報等である。収集情報４２６に含まれる、これらの情報には情報が取得された時刻が対応付けられている。

　生体センサは、乗員の心拍のゆらぎ（心臓の拍動の周期的な間隔）を取得し、取得した心拍のゆらぎに基づいて、ストレスを導出する。生体センサは、心拍センサと、判定部と、通信部と、記憶部とを備える。生体センサの判定部は、例えば検知された心拍を示す信号を高周波成分と低周波成分とに分類し、高周波成分に対して低周波成分が大きいほどストレスが高い状態であると判定する。そして、判定部は、判定結果を記憶部に記憶し、通信部を用いて所定の時間ごとに判定結果を車両に送信する。

　図１３は、車両のカメラにより撮像された画像の一例を示す図である。例えば、所定時間間隔でカメラにより撮像された画像（図中、ＩＭ１、ＩＭ２…）が時刻に対応付けられて解析装置４００に送信される。

　図１４は、生体センサから車両に送信されるストレスに関する情報の一例を示す図である。図中の縦軸はストレス度を示し、横軸は時間を示している。このように生体センサにより取得された情報によってストレス度の変化が認識される。図示する例では、図１４の画像ＩＭ１が撮像された時刻Ｔ１においてストレスが通常時よりも高くなり、図１４の画像ＩＭ２が撮像された時刻Ｔ２においてストレスが更に高くなっている。このように、収集情報４２６によって車両の周辺情報とストレスとの因果関係が認識される。

　［解析装置の処理］
　図１５は、解析装置４００により実行される処理の流れを示すフローチャートである。まず、解析部４０４は、車両のカメラにより撮像された画像、および画像が撮像された際の車両の情報（車両の挙動や、軌道、位置情報）を取得する（ステップＳ３００）。次に、解析部４０４は、取得した画像を解析し、物体の分布を認識する（ステップＳ３０２）。例えば、解析部４０４は、図１６に示すように、前述した図１３の画像ＩＭ１を俯瞰画像に変換し、俯瞰画像に対応する領域が基準となる大きさで分割されたメッシュ領域における物体（人物Ｈ１～Ｈ４）の分布を認識する。図１６は、俯瞰画像の一例を示す図である。

　次に、解析部４０４は、ステップＳ３００で取得した画像が撮像された際の車両の乗員の生体情報を取得する（ステップＳ３０４）。次に、ステップＳ３０４で取得した生体情報と、画像の解析結果とを時刻ごとに紐づける（ステップＳ３０６）。次に、解析部４０４は、ステップ３０６で紐付けた情報が所定量以上蓄積できたか否かを判定する（ステップＳ３０８）。所定量以上蓄積できていない場合、ステップＳ３００の処理に戻る。情報が所定量以上蓄積できたとは、時刻ごとに紐づけられた、生体情報と画像の解析結果との組み合わせの数が所定数以上蓄積できたことである。

　所定量以上蓄積できた場合、解析部４０４は、ステップＳ３０２で取得した物体の分布、道路パターン、車両の挙動、画像の撮像日時、類型化パターン、およびストレス度を互いに対応付けて対応情報４２８を生成する（ステップＳ３１０）。

　次に、解析部４０４は、対応情報４２８に基づいて、ストレス抑制情報４３０を生成する（ステップＳ３１２）。例えば、解析部４０４は、予め実験的に求められたデータに基づいて、類型化パターンごとに、乗員のストレスが抑制されるような車両の挙動を求める。そして、解析部４０４は、類型化パターンごとに車両の挙動の補正値を導出し、類型化パターンおよびストレス度に補正値を対応付けたストレス抑制情報４３０を生成する。これにより本フローチャートの１ルーチンの処理は終了する。

　ストレス抑制情報４３０において、道路が混雑しているような類型化パターンや、物体の数が多い類型化パターン、道路において駐停車している物体が存在する類型化パターン、右折や左折しようとしている車両Ｍが存在する類型化パターン、道路の幅が狭いなどのように乗員のストレス度が高くなるような類型化パターンに対しては、他の類型化パターンに比して大きな補正値が対応付けられてもよい。走行車線の数が多い道路パターンを含む類型化パターンに対しては、乗員のストレスは大きくなると予測されるため、走行車線の数が少ない道路パターンである類型化パターンに比して大きい補正値が設定されてもよい。

　類型化パターンは、物体の種類ごとに定められてもよい。物体の種類とは、子供や、大人、自転車、二輪自動車、四輪自動車等である。例えば、子供が所定の領域に分布している場合、大人が所定の領域に分布している場合よりも、大きい補正値が対応付けられる。なぜなら、乗員は、子供が存在する場合、大人が存在する場合よりもストレスを感じるためである。

　解析部４０４は、車両が所定の区間を行動計画生成部１２３により生成された軌道に基づいて走行した場合のストレス度と、走行区間と、その区間を走行した時間帯とを対応付けた区間情報４３２を生成する。

　上記のストレス抑制情報４３０および区間情報４３２は、配信部４０６により車両Ｍに配信される。

　上述した例では、類型化パターンを特定して、補正値が決定されるものとして説明したが、これに代えて（加えて）、乗員監視部１３０の監視結果に基づいて、補正値は決定されてもよい。例えば、補正部１２５は、乗員監視部１３０により取得された乗員のストレス度が基準値よりも上昇した場合には、速度を減速させたり、周辺の物体からより離れた位置を走行するように軌道を補正したりしてもよい。より離れた位置を走行するとは、行動計画生成部１２３により生成された軌道で走行する位置に比して、より離れた位置である。例えば、記憶部１５０には、ストレス度ごとに補正値が対応付けられた対応テーブルが記憶されている。補正部１２５は、この対応テーブルを参照して、ストレス度に応じた補正値を取得する。

　以上説明した実施形態によれば、車両Ｍの周辺の物体を検出する外界認識部１２１と、外界認識部１２１により検出された物体の分布に基づいて、物体が乗員に与えるストレスを予測する予測部１２４と、予測部１２４により評価されたストレスに基づいて、車両Ｍが自動運転で走行する際の軌道を生成する第１制御部１２０とを備えることにより、乗員に与えるストレスを抑制することができる。

　以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１‥車両制御システム、２、２Ａ…車両制御システム、１００‥自動運転制御ユニット、１２１‥外界認識部、１２３‥行動計画生成部、１２４‥予測部、１２５‥補正部、１５０‥記憶部、１５２‥ストレス抑制情報、１５４‥区間情報、１５６‥パターン情報、４００‥解析装置、４０４‥解析部、４０６‥配信部、Ｍ１、Ｍ２…車両

Claims (9)

1. 　車両の周辺の物体を検出する検出部と、
   　前記検出部により検出された物体の分布に基づいて、前記物体が乗員に与えるストレスの度合を予測する予測部と、
   　前記予測部により予測されたストレスの度合に基づいて、前記車両が自動運転で走行する際の軌道を生成する制御部と、
   　を備える車両制御システム。
2. 　前記制御部は、前記予測部により予測されたストレスの度合と、前記検出部により検出された物体の分布とに基づいて、前記車両が自動で走行する際の軌道を生成する、
   　請求項１に記載の車両制御システム。
3. 　前記軌道は、乗員のストレスの度合が第１の閾値以下となる軌道である、
   　請求項２に記載の車両制御システム。
4. 　前記乗員のストレスの度合が第１の閾値以下となる軌道は、前記乗員のストレスの度合が第１の閾値を超える軌道に比して、前記物体から離れた位置を通過する軌道である、
   　請求項３に記載の車両制御システム。
5. 　前記乗員のストレスの度合が第１の閾値以下となる軌道は、前記乗員のストレスの度合が第１の閾値を超える軌道に比して、車速または加速度が抑制された軌道である、
   　請求項４に記載の車両制御システム。
6. 　乗員のストレスの度合を推定する乗員監視部を、更に備え、
   　前記制御部は、所定時間前において、前記生成した軌道を前記車両が走行した際に前記乗員監視部により推定されたストレスの度合が第２の閾値以上である場合、前記第２の閾値以上である前記乗員監視部により推定されたストレスの度合に基づいて、前記車両が自動運転で走行する際の軌道を生成する、
   　請求項１に記載の車両制御システム。
7. 　前記制御部は、前記車両が走行した際にストレスの度合が第３の閾値以上となると予測される特定経路の情報を参照し、前記特定経路とは異なる経路を優先的に走行するように決定する、
   　請求項１に記載の車両制御システム。
8. 　車載コンピュータが、
   　車両の周辺の物体を検出し、
   　前記検出された物体の分布に基づいて、前記物体が乗員に与えるストレスの度合を予測し、
   　前記予測されたストレスの度合に基づいて、前記車両が自動運転で走行する際の軌道を生成する、
   　車両制御方法。
9. 　車載コンピュータに、
   　車両の周辺の物体を検出させ、
   　前記検出された物体の分布に基づいて、前記物体が乗員に与えるストレスの度合を予測させ、
   　前記予測されたストレスの度合に基づいて、前記車両が自動運転で走行する際の軌道を生成させる、
   　プログラム。

Images