WO2020008785A1 - 予測制御装置 - Google Patents

予測制御装置 Download PDF

Info

Publication number
WO2020008785A1
WO2020008785A1 PCT/JP2019/022267 JP2019022267W WO2020008785A1 WO 2020008785 A1 WO2020008785 A1 WO 2020008785A1 JP 2019022267 W JP2019022267 W JP 2019022267W WO 2020008785 A1 WO2020008785 A1 WO 2020008785A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
prediction
unit
control device
initial value
Prior art date
Application number
PCT/JP2019/022267
Other languages
English (en)
French (fr)
Inventor
敏明 中村
広津　鉄平
坂本　英之
Original Assignee
日立オートモティブシステムズ株式会社
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 日立オートモティブシステムズ株式会社 filed Critical 日立オートモティブシステムズ株式会社
Priority to CN201980031293.0A priority Critical patent/CN112292717B/zh
Priority to US17/255,748 priority patent/US20210221402A1/en
Publication of WO2020008785A1 publication Critical patent/WO2020008785A1/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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • B60W40/04—Traffic conditions
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4043—Lateral 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4044—Direction of movement, e.g. backwards
    • 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
    • B60W2554/4049—Relationship among other objects, e.g. converging dynamic objects

Definitions

  • the present invention relates to a predictive control device applied to automatic driving of a vehicle.
  • Patent Document 1 As a predictive control technique in automatic driving of a vehicle, a technique described in Patent Document 1 is disclosed.
  • Patent Literature 1 observes a change in a time constant of a control target and controls a sampling time, a prediction section, and a control in accordance with the change amount.
  • a technique for changing at least one setting of a section and stabilizing control according to a control target is disclosed.
  • Patent Literature 1 the processing is speeded up by mainly observing a change in a time constant of a control target and a target control amount and adjusting a control parameter of the prediction control. Situation changes every moment.
  • Patent Document 1 does not take into account changes in the surrounding conditions while the vehicle is running, and does not perform control corresponding to the surrounding conditions while the host vehicle is running.
  • the present invention is configured as follows.
  • the prediction control device includes means for detecting a change amount and a change direction of the surroundings and the vehicle, and means for setting an initial value and a prediction period of a solution search operation in the prediction control means based on the detection result.
  • a predictive control device capable of responding to a change in surrounding conditions during traveling of the host vehicle and capable of performing quick operations during normal traveling and during an emergency so that a person drives.
  • FIG. 1 is a diagram illustrating an example of a block configuration of an automatic driving control system for a vehicle, which is a prediction control device according to a first embodiment of the present invention. It is a figure showing the example of block composition of the operation command value generation part in a model prediction control part. It is a figure showing the example of block composition of the output prediction part in a model prediction control part. It is a figure showing the example of block composition of the evaluation function operation part in a model prediction control part. It is a figure showing the example of block composition of a situation recognition part.
  • FIG. 4 is a diagram illustrating an example of a block configuration of a change amount detection unit.
  • FIG. 7 is a diagram illustrating a method of determining an initial value for a weight Wa of a control condition adjustment unit.
  • FIG. 9 is a diagram illustrating a method of determining a prediction period for a weight Wb of a control condition adjustment unit.
  • FIG. 3 is a diagram illustrating a block configuration example of a control condition adjusting unit. It is a figure showing the example of block composition of other examples of a control condition adjustment part.
  • FIG. 3 is a diagram illustrating a block configuration example of an initial value setting unit. It is a figure which shows the number of times of operation until the evaluation function output of predictive control converges when the present invention is not used.
  • FIG. 7 is a diagram illustrating the number of calculations performed until the evaluation function output of predictive control converges when the previous optimal solution is included in the initial value candidate in the first embodiment of the present invention.
  • FIG. 3 is a diagram illustrating a block configuration example of a control condition adjusting unit. It is a figure showing the example of block composition of other examples of a control condition adjustment part.
  • FIG. 3 is a diagram illustrating a block configuration example of an initial value setting unit. It
  • FIG. 9 is a diagram illustrating the number of calculations performed until the evaluation function output of the prediction control converges when the prediction period is shortened in the first embodiment of the present invention.
  • FIG. 2 is a diagram illustrating a trajectory of automatic driving of a vehicle by predictive control according to the first embodiment of the present invention.
  • FIG. 1 is a diagram illustrating an example of a block configuration of an automatic driving control system for a vehicle that is a predictive control device according to a first embodiment of the present invention.
  • the model prediction control unit 101 predicts the speed and direction of the vehicle in the future several seconds, for example, every several milliseconds based on information about the surroundings of the vehicle. Processing (solution search operation) for obtaining the operation amount several milliseconds later is performed.
  • Some input model predictive control unit 101 is at ambient information, some of the output steering, an accelerator operation, a manipulated variable u 0 for the actuator 102, such as a brake operation.
  • the model prediction control unit 101 includes an operation command value generation unit 106, an output prediction unit 107, and an evaluation function calculation unit 108.
  • the operation command value generation unit 106 operates the actuator 102 with, for example, a current operation amount u 0 and an operation amount candidate (predicted value for n seconds in the future every several milliseconds from the next operation amount u 1 ). u 1 to u n ).
  • the operation command value generation unit 106 will be described later with reference to FIG.
  • Output prediction unit 107 for example, an operation amount candidate (u 1 ⁇ u n), receives a control quantity x 0 of the vehicle at the present time outputted from the actuator 102 to the state equation representing the operation model of the vehicle in the formula, This is a means for outputting a corresponding control amount (speed, position, direction, etc.) as a control amount candidate (x 1 to x n ) as a predicted value corresponding to the output of the actuator 102.
  • the output prediction unit 107 will be described later with reference to FIG.
  • the evaluation function calculation unit 108 expresses the constraint conditions necessary for the automatic driving with a plurality of functions, inputs control amount candidates (x 1 to x n ) from the output prediction unit 107, and outputs the sum F of the outputs of the respective functions for the constraint conditions. Is output to the operation command value generation unit 106.
  • the evaluation function calculation unit 108 will be described later with reference to FIG.
  • the situation recognizing unit 103 uses the information on the surrounding situation of the own vehicle during traveling to detect moving objects (dynamic obstacles) such as other vehicles, bicycles, and pedestrians on the traveling road, and stationary objects such as guardrails and stopped vehicles. This is means for recognizing and outputting a static obstacle), route information to the destination of the own vehicle, and the position of the own vehicle.
  • moving objects dynamic obstacles
  • stationary objects such as guardrails and stopped vehicles.
  • the change amount detection unit 104 calculates the amount of change in the relative position of the recognized object and the traveling path of the own vehicle with respect to the own vehicle per unit time (from the relative position and relative speed of the dynamic obstacle and the static obstacle with respect to the own vehicle). This is a means for detecting the obtained change amount and the change direction of the surroundings and the own vehicle, obtaining a weight coefficient, and outputting the weight coefficient to the control condition adjusting unit 105.
  • the change amount detection unit 104 will be described later with reference to FIG.
  • the situation recognition unit 103 and the change amount detection unit 104 form a unit that detects a change amount and a change direction of the surroundings and the own vehicle.
  • the control condition adjusting unit 105 is a unit that adjusts and sets an initial value and a prediction period for performing the calculation of the model prediction control based on the weight coefficient input from the change amount detection unit 104. In other words, it is a means for setting the initial value and the prediction period of the optimal value search operation (solution search operation) performed by the operation command value generation unit 106 and outputting the prediction period to the operation command value generation unit 106.
  • the control condition adjusting unit 105 will be described later with reference to FIG.
  • the loop processing from the operation command value generation unit 106 to the output prediction unit 107 and the evaluation function calculation unit 108 is repeated a plurality of times, for example, every several milliseconds, and the total sum F of the evaluation functions is minimized.
  • the operation command value 106 selects an operation amount candidate (u 1 to u n ). Then, the operation amount u 1 at the next time is output to the actuator 102.
  • the actuator 102 converts the operation amount u into a control amount x, and executes a brake, an accelerator, a steering wheel operation, and the like.
  • FIG. 2 is a diagram illustrating a block configuration example of the operation command value generation unit 106 in the model prediction control unit 101.
  • the operation command value generating unit 106 inputs the evaluation function F which is output from the evaluation function calculating unit 108, the operation amount u 0 and the operation amount candidates for the actuator 102 (u 1 ⁇ u n) accordingly Generate and output.
  • the comparison unit 202 in the operation command value generation unit 106 compares the operation result (output of the evaluation function F) output from the evaluation function operation unit 108 with the value stored in the minimum value storage unit 203. If the value input from the evaluation function calculation unit 108 to the comparison unit 202 is smaller than the value stored in the minimum value storage unit 203, a save command signal is output to the minimum value storage unit 203.
  • the minimum value storage unit 203 stores the calculation result of the evaluation function according to the storage command signal from the comparison unit 202. A series of processing up to this means that a value that minimizes the output F of the evaluation function operation 108 has been obtained.
  • Manipulated variable generating unit 201 is a means for generating a manipulated variable candidates from the operation amount candidates u 1 of the following time until the operation amount candidates u n future time n (u 1 ⁇ u n).
  • an operation amount candidate value is generated by generating a random number as an initial value, and thereafter, a calculation for gradually changing the value is repeated to obtain a convergence solution.
  • Specific methods include particle swarm optimization, ant colony optimization, and artificial bee colony algorithm.
  • the operation amount storage unit 204 stores operation command value candidates (u 1 to u n ) corresponding to the evaluation function values stored in the minimum value storage unit 203, and sets the current operation amount u 0 to the brake, accelerator, front wheel.
  • the steering angle is output to the actuator 102. Further, it outputs the operation amount candidates (u 1 to u n ) to the output prediction unit 107 shown in FIG.
  • operation amount u 0 in the current time can be calculated by using the operation amount candidates u 1 of the following time points obtained in the previous processing cycle.
  • operation amount candidates (u 1 to u n ) which are time-series operation amounts that minimize the evaluation function F. This means that the trajectory indicated by the solid line in FIG.
  • FIG. 3 is a diagram showing an example of a block configuration of the output prediction unit 107 in the model prediction control unit 101.
  • a state equation calculation unit 301 is means for expressing an operation model of a vehicle by mathematical expressions. For example, when the acceleration and the angle of the traveling direction are input, the state equation calculation unit 301 converts the acceleration and the physical quantity such as the position coordinate, the speed, and the direction of the own vehicle.
  • the storage unit 302 is a unit for temporarily storing the output of the state equation calculation unit 301 and using the output for the prediction process at the next time point. For example, by storing the current position coordinates and speed, a predicted value of the next position coordinates can be calculated.
  • the state equation calculation unit 301 receives time-series predicted operation amounts (u 1 to u n ) from within the operation command value generation unit 106 in order to represent the operation model of the vehicle by mathematical expressions. . Further, a control amount corresponding to the output of the actuator 102 is calculated as a time-series predicted control amount (x 1 to x n ), output to the evaluation function calculation unit 108, and used for calculation of the evaluation function.
  • the storage unit 302 is used to determine the reference position. However, this may be determined based on the current position indicated by the actuator 102 as shown in FIG.
  • FIG. 4 is a diagram illustrating an example of a block configuration of the evaluation function calculation unit 108 in the model prediction control unit 101.
  • an evaluation function calculation unit 108 includes a plurality of constraint condition function units (risk degree calculation unit 401, speed error calculation unit 402, acceleration calculation unit 403, jerk speed) in which constraints necessary for automatic driving are expressed by functions.
  • the value of the evaluation function F to be output to the operation command value generation unit 106 is generated using the calculation unit 404).
  • a constraint condition function unit is provided for the risk degree R output from the situation recognition unit 103 and the time-series prediction control amounts (x 0 to x n ) obtained by the output prediction unit 107. .
  • the evaluation function operation unit 108 includes a plurality of constraint condition function operation units (401 to 404).
  • the evaluation function F is defined by a plurality of constraint condition function units (401 to 404).
  • the plurality of constraint condition functions include a function f1 for the risk degree of the own vehicle obtained by the risk degree calculation unit 401, a function f2 for the speed error obtained by the speed error calculation unit 402, a function f3 for the acceleration obtained by the acceleration calculation unit 403, This is a function f4 regarding jerk speed obtained by jerk calculation section 404.
  • the evaluation function F is a function composed of five elements in which a function f5 regarding the responsiveness obtained by the output prediction unit 107 is further added. The numerical value determined by these five elements is determined to be the smallest.
  • the adder 405 adds the output results of the respective constraint condition functions obtained by the constraint function calculators (401 to 404) to each other and outputs the result to the operation command value generator 106.
  • the evaluation function calculation unit 108 is configured as described above, but as described above, the prediction control device controls the vehicle with the operation amount u when the output of the evaluation function F is minimized.
  • the four constraint functions that determine the output of the evaluation function F that is, the constraint function f1 for the degree of risk, the constraint function f2 for the speed error, the constraint function f3 for the acceleration, and the constraint function f4 for the jerk, It reflects the current driving conditions.
  • FIG. 5 is a diagram illustrating an example of a block configuration of the situation recognition unit 103.
  • a camera 501 captures surroundings of the vehicle in front, rear, left and right.
  • the LiDAR 502 detects a situation around the own vehicle using a laser beam.
  • the millimeter-wave radar 503 detects the surrounding situation by the reflected light of the radio wave.
  • the GPS 504 detects the longitude and latitude where the vehicle is located.
  • the map 505 outputs route information from the departure point of the vehicle to the expected arrival point.
  • the object recognition unit 506 recognizes an object such as another vehicle, bicycle, or pedestrian based on data input from the camera 501, the LiDAR 502, and the millimeter wave radar 503, and outputs object information.
  • the own vehicle route detecting unit 507 detects the current position on the map of the own vehicle based on input information from the GPS 504 and the map 505, and outputs map information around a local point on the route.
  • FIG. 6 is a diagram illustrating a block configuration example of the change amount detection unit 104.
  • the weight calculation unit 601 for normal time sets a value obtained by multiplying the change amounts on the time axis of the object information and the route information input from the situation recognition unit 103 by the coefficients k 0 and k 1 as the weight Wa.
  • Coefficients k 2 and k 3 are output as weights Wb.
  • the failure-time weight calculation unit 602 calculates a value obtained by multiplying the amount of change on the time axis between the object information and the route information input from the situation recognition unit 103 by coefficients k 4 and k 5 , respectively.
  • the selection unit 603 determines that the vehicle is normal based on the diagnosis information of the vehicle input from the ECU or the like mounted on the vehicle, the selection unit 603 selects the output of the weight calculation unit 601 for normal time, and outputs information indicating that the vehicle is faulty When a failure notification signal from the actuator) is input, the output of the weight calculation unit for failure 602 is selected and output. Therefore, the change amount of the own vehicle includes a travel route of the own vehicle and a signal input of a failure notification from the actuator of each unit belonging to the own vehicle.
  • FIG. 7A is a diagram illustrating a method of determining an initial value for the weight Wa by the control condition adjustment unit 105.
  • FIG. 7B is a diagram illustrating a method of determining a prediction period for the weight Wb by the control condition adjusting unit 105.
  • FIG. 8 is a diagram showing an example of a block configuration of the control condition adjusting unit 105.
  • an initial value setting unit 801 determines a candidate value of an initial value for an optimal value search operation to be output to the operation command value generation unit 106 according to the value of the weight Wa input from the change amount detection unit 104.
  • the prediction period setting unit 802 determines (adjusts) a prediction period for performing an optimal value search operation to be output to the operation command value generation unit 106 according to the value of the weight Wb input from the change amount detection unit 104.
  • FIG. 9 is a diagram illustrating an example of a block configuration of the control condition adjustment unit 105 different from the configuration illustrated in FIG. 8, which is an example of adjusting a prediction interval in addition to an initial value and a prediction period of prediction control.
  • an initial value setting unit 801 and a prediction period setting unit 802 have the same functions as those of the block configuration example in FIG.
  • the control condition adjusting unit 105 initializes the solution search operation in the model prediction control unit 101 (prediction control unit) based on the detection results of the means (103, 104) for detecting the amount of change and the direction of change of the surroundings and the vehicle. This is an example of a means for setting a prediction period.
  • FIG. 10 is a diagram illustrating an example of a block configuration of the initial value setting unit 801 illustrated in FIGS. 8 and 9.
  • the random number range adjustment unit 1002 determines the range of the random number to be added to each value based on the previously employed operation amount. The random number range adjustment unit 1002 determines that the closer the value of Wa is to 1, the higher the dependence on the previously adopted operation amount, and narrows the range of values that the random number can take.
  • the previous operation amount dependent generation unit 1003 generates an initial value by adding the random number generated by the random number range adjustment unit 1002 to the previous operation amount.
  • the normal random number generation unit 1004 generates random numbers within a preset range and generates an initial value.
  • FIG. 11A is a graph showing the characteristics of the evaluation function output value with respect to the number of operations when the present invention is not used.
  • the vertical axis indicates the evaluation function output
  • the horizontal axis indicates the number of calculations
  • (1), (2), and (3) indicate the first, second, and third calculations, respectively.
  • the number of calculations required to converge to the minimum value differs each time, and the number of calculations that can be determined to have converged to the minimum value for all three times is 2150.
  • FIG. 11B is a graph showing the characteristics when the previous optimal solution is included in the initial value in the first embodiment of the present invention.
  • the vertical axis represents the evaluation function output
  • the horizontal axis represents the number of calculations.
  • the first calculation (1) requires 3000 calculations to converge to the minimum value because all values generated by random numbers are used as initial values.
  • the second calculation (2) and the third calculation (3) the convergence to the minimum value is completed by 900 calculations because the initial value includes the previous optimal solution.
  • FIG. 11C is a graph showing characteristics when the prediction period in the present invention is shortened from 128 points to 16 points.
  • the vertical axis represents the output of the evaluation function
  • the horizontal axis represents the number of operations.
  • the prediction period is as short as 16 points compared to 128 points in FIG. 11B, so that the number of calculations until all three convergences is 1000 times.
  • FIG. 12 is a diagram showing an operation example of automatic driving by model predictive control.
  • the vehicle 1201 by automatic driving while traveling in the traveling lane of the highway runs behind the vehicle 1202 traveling in the same traveling lane.
  • the driving lanes are indicated by broken lines.
  • FIG. 12A is a diagram in which the own vehicle 1201 is traveling behind another vehicle 1202 on the highway. To perform the operation this time the vehicle 1201 is efficient, sequential control quantity u 0 ⁇ u n (FIG time indicated by a thick solid arrow from the candidates of a plurality of controlled variables x (indicated by a plurality of solid lines) In the example of FIG. 12A, u 0 to u 127 ) are selected, and u 1 is determined as the control amount at the next time point.
  • FIG. 12 shows an embodiment in which the previously selected trajectory is included in the initial value and the prediction control calculation is performed.
  • the selected predicted trajectory is also the same as the example shown in FIG. .
  • the vehicle diagnostic information input to the selection unit 603 is a signal indicating “failure”
  • the same trajectory as the previous time is maintained, thereby contributing to quick fail-operational control (fail-operational). Control contribution mode).
  • ((C) of FIG. 12 is a diagram showing a predicted trajectory obtained by shortening the prediction period.
  • the other vehicle 1202 stops at the shoulder of the road as compared to the example illustrated in FIG. Is shortened to find the predicted trajectory for this time.
  • the time until the optimum trajectory is determined is shortened, so that it is possible to cope with a sudden change in the surrounding situation.
  • the prediction period can be shortened and the trajectory to retreat to the road shoulder can be immediately generated, which contributes to quick fail-safe control (fail-safe control contribution mode). ).
  • the amount of change in the surrounding conditions of the own vehicle is detected, and the initial value and the prediction period of the prediction control are changed according to the detected amount of change.
  • a predictive control device capable of realizing both the riding comfort in normal driving and the quick operation in emergency.
  • the prediction control is performed by including the previously selected trajectory in the initial value, or the prediction period is shortened and the initial value is changed according to the magnitude of the change of the own vehicle and the surrounding conditions of the own vehicle. Is generated by random numbers, and control to switch or perform prediction control is performed. Therefore, it is possible to appropriately control the operation of the vehicle according to the change in the surrounding conditions of the own vehicle.
  • the mode that switches between a mode that contributes to fail operational control and a mode that contributes to rapid fail-safe control is switched.
  • the second embodiment is similar to the first embodiment in that the initial value and the prediction period of the prediction control are changed according to the surrounding conditions of the own vehicle and changes in the own vehicle, but the fail-safe control contribution mode is provided. I haven't. That is, in the second embodiment, the control condition adjustment unit 105 that sets the initial value and the prediction period calculates the initial value and the prediction period to be set according to the surrounding conditions of the vehicle and the amount of change in the vehicle. Has only the fail operational control mode in which the previous calculation result (operation amount) is included in the initial value and set as the operation amount.
  • the difference between the second embodiment and the first embodiment is that, in the second embodiment, the initial value setting unit 801 and the prediction period setting unit 802 of the control condition adjustment unit 105 shown in FIGS. In the mode, the previous operation amount is set.
  • the second embodiment it is possible to realize a predictive control device in which the riding comfort during normal running is improved.
  • the calculation load can be reduced. For example, even when a failure of the own vehicle occurs when driving on a highway, The orbit can be maintained quickly.
  • 101 Model prediction control unit
  • 102 Actuator
  • 103 Situation recognition unit
  • 104 Change amount detection unit
  • 105 Control condition adjustment unit
  • 106 Operation command value generation unit
  • 107 output prediction unit
  • 108 evaluation function calculation unit
  • 201 operation amount generation unit
  • 202 comparison unit
  • 203 minimum value storage unit
  • 204 operation amount storage Unit
  • 301 state equation calculation unit 302 storage unit
  • 401 risk degree calculation unit 402 speed error calculation unit
  • 403 acceleration calculation unit 403 acceleration calculation unit
  • 404 addition Speed calculation section 405 addition section
  • 501 camera 502 LiDAR, 503 millimeter wave radar
  • 504 GPS
  • 505 map information section 506 object Recognition unit
  • 507 ...

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

自車両の走行中における周囲状況の変化に対応し、人が運転するように、通常走行時及び緊急時の迅速な動作が可能な予測制御装置を実現する。 予測制御装置は、周囲および自車の変化量と変化方向を検出する手段（１０３、１０４）と、検出結果に基づいて、予測制御手段における解探索演算の初期値と予測期間を設定する手段１０５とを有する。初期値と予測期間を設定する手段１０５は、周囲及び自車の変化量に応じて設定する初期値及び予測期間を、解探索演算の前回の演算結果を初期値に含めて設定するフェールオペレーショナル制御モードを有する。

Description

予測制御装置
　本発明は、車両の自動運転に適用する予測制御装置に関する。
　近年、車両の自動運転が実用化の方向にあり、この場合に自動運転の軌道生成等でモデル予測制御の適用が広がりつつある。
　車両の自動運転における予測制御技術としては、特許文献１に記載のような技術が開示されている。
　演算量を減らし応答性を向上することのできる予測制御装置及び推奨操作提示装置として、特許文献１では、制御対象の時定数の変化を観測し、変化量に応じてサンプリング時間と予測区間と制御区間の少なくとも一つの設定を変更し、制御対象に応じて制御の安定化を図る技術が示されている。
特開２００６－７２７４７号公報
　特許文献１では、主として制御対象の時定数変化や目標制御量を観測し、予測制御の制御パラメータの調整を行うことで処理の高速化を行っているが、車の自動運転走行中においては周囲の状況が刻々と変化する。
　したがって、制御対象である自車の状況のみならず、走行中の周囲の状況の変化を観測し、それに対応した高速化が必要となる。
　しかしながら、特許文獻１に記載の技術では、車両走行中の周囲状況の変化を考慮しておらず、自車両の走行中の周囲状況に対応した制御が行われていない。
　以上のことから、本発明の目的は、車両の走行中における周囲の状況の変化に応じた、迅速な動作ができる予測制御装置を実現することである。
　上記目的を達成するため、本発明は次のように構成される。
　予測制御装置において、周囲および自車の変化量と変化方向を検出する手段と、検出結果に基づいて、予測制御手段における解探索演算の初期値と予測期間を設定する手段を有する。
　本発明によれば、自車両の走行中における周囲状況の変化に対応し、人が運転するように、通常走行時および緊急時の迅速な動作が可能な予測制御装置を実現することができる。
本発明の実施例１に係る予測制御装置である車両の自動運転制御システムのブロック構成例を示す図である。 モデル予測制御部内の操作指令値生成部のブロック構成例を示す図である。 モデル予測制御部内の出力予測部のブロック構成例を示す図である。 モデル予測制御部内の評価関数演算部のブロック構成例を示す図である。 状況認識部のブロック構成例を示す図である。 変化量検出部のブロック構成例を示す図である。 制御条件調整部の重みＷａに対する初期値の決定方法を説明する図である。 制御条件調整部の重みＷｂに対する予測期間の決定方法を説明する図である。 制御条件調整部のブロック構成例を示す図である。 制御条件調整部の他の例のブロック構成例を示す図である。 初期値設定部のブロック構成例を示す図である。 本発明を用いない場合の予測制御の評価関数出力が収束するまでの演算回数を示す図である。 本発明の実施例１において前回の最適解を初期値候補に含めた場合の予測制御の評価関数出力が収束するまでの演算回数を示す図である。 本発明の実施例１において予測期間を短くした場合の予測制御の評価関数出力が収束するまでの演算回数を示す図である。 本発明の実施例１における予測制御による車の自動運転の軌道を示す図である。
　以下、本発明の実施例について図面を用いて説明する。
　（実施例１）
　図１は本発明の実施例１に係る予測制御装置である車両の自動運転制御システムのブロック構成例を示す図である。
　図１において、モデル予測制御部１０１（予測制御手段）は、自車の周囲の情報を基に例えば数ミリ秒毎に将来の数秒間の自車の速度や進む方向を予測しながら、次の数ミリ秒後の操作量を求める処理（解探索演算）を行っている。モデル予測制御部１０１の入力の一部は周囲情報であり、その出力の一部はハンドル操作、アクセル操作、ブレーキ操作などのアクチュエータ１０２に対する操作量ｕ０である。
　モデル予測制御部１０１は、操作指令値生成部１０６と、出力予測部１０７と、評価関数演算部１０８とを備えている。
　このうち、操作指令値生成部１０６は、アクチュエータ１０２に対する、例えば現在の操作量ｕ０と、次の操作量ｕ１から数ミリ秒毎に将来のｎ秒間分の予測値としての操作量候補（ｕ１～ｕｎ）を生成する手段である。操作指令値生成部１０６については、図２を用いて後述する。
　出力予測部１０７は、例えば操作量候補（ｕ１～ｕｎ）と、アクチュエータ１０２から出力される現時点の自車の制御量ｘ０を車両の動作モデルを数式で表した状態方程式に入力し、それに対応する制御量（速度、位置、方向等）を、アクチュエータ１０２の出力に相当する予測値としての制御量候補（ｘ１～ｘｎ）として出力する手段である。出力予測部１０７については、図３を用いて後述する。
　評価関数演算部１０８は、自動運転に必要な制約条件を複数の関数で表し、制御量候補（ｘ１～ｘｎ）を出力予測部１０７から入力し、制約条件についての各関数出力の総和Ｆを操作指令値生成部１０６に出力する手段である。評価関数演算部１０８については、図４を用いて後述する。
　状況認識部１０３は、走行中の自車の周囲状況の情報から、走行路上の他車や自転車、歩行者等の移動物体（動的障害物）及びガードレール、停止中の車等の静止物体（静的障害物）と、自車の目的地までの経路情報と、自車位置とを認識し出力する手段である。状況認識部１０３については、図５を用いて後述する。
　変化量検出部１０４は、認識した物体と自車の走行経路について、自車に対する単位時間当たりの相対位置の変化量（動的障害物及び静的障害物の自車に対する相対位置及び相対速度から求められる周囲及び自車の変化量および変化方向）を検出し重み係数として求め、制御条件調整部１０５に出力する手段である。変化量検出部１０４については、図６を用いて後述する。
　状況認識部１０３と、変化量検出部１０４とにより、周囲及び自車の変化量と変化方向を検出する手段が形成される。
　制御条件調整部１０５は、変化量検出部１０４から入力する重み係数により、モデル予測制御の演算を行うための初期値と予測期間を調整し設定する手段である。つまり、操作指令値生成部１０６が行う最適値探索演算（解探索演算）の初期値及び予測期間を設定し、操作指令値生成部１０６に出力する手段である。制御条件調整部１０５については、図７を用いて後述する。
　以上の構成によるモデル予測制御部１０１では、操作指令値生成部１０６から出力予測部１０７及び評価関数演算部１０８のループ処理を例えば数ミリ秒間に複数回繰り返し、評価関数の総和Ｆが最小となる操作量候補（ｕ１～ｕｎ）を操作指令値１０６が選ぶ。そして、次の時点の操作量ｕ１をアクチュエータ１０２に出力する。アクチュエータ１０２は操作量ｕを制御量ｘに変換しブレーキ、アクセルおよびハンドル操作等を実行する。
　以下、図１に示す予測制御装置の各部詳細構成について説明する。
　図２は、モデル予測制御部１０１内の操作指令値生成部１０６のブロック構成例を示す図である。図２において、操作指令値生成部１０６では、評価関数演算部１０８から出力される評価関数Ｆを入力し、それに応じてアクチュエータ１０２に対する操作量ｕ0及び操作量候補（ｕ１～ｕｎ）を生成し、出力する。
　操作指令値生成部１０６内の比較部２０２では、評価関数演算部１０８から出力される演算結果（評価関数Ｆの出力）を最小値保存部２０３に格納された値と比較する。評価関数演算部１０８から比較部２０２に入力された値が最小値保存部２０３に格納された値より小さければ最小値保存部２０３に対し保存指令信号を出力する。最小値保存部２０３は、比較部２０２からの保存指令信号に応じて評価関数の演算結果を記憶する。ここまでの一連の処理は、評価関数演算１０８の出力Ｆが最小となる値を求めたことを意味している。
　操作量生成部２０１は、次の時点の操作量候補ｕ１から将来のｎ時点の操作量候補ｕｎまでの操作量候補（ｕ１～ｕｎ）を生成する手段である。操作量候補の一例としては初期値として乱数発生により操作量候補値を生成し、その後、その値を少しずつ変化させていく演算を繰り返すことで収束解を求める。具体的な方法として、粒子群最適化、蟻コロニー最適化、人工蜂コロニーアルゴリズムなどがある。
　操作量保存部２０４は、最小値保存部２０３に保存された評価関数値に対応する操作指令値候補（ｕ１～ｕｎ）を保存し、現在時点の操作量ｕ０をブレーキ、アクセル、前輪の操舵角等のアクチュエータ１０２へ出力する。また操作量候補（ｕ１～ｕｎ）を、図３に示す出力予測部１０７に出力する。
　なお現在時点の操作量ｕ０は、例えば前回処理周期で求めた次の時点の操作量候補ｕ１を用いて算出することができる。図２の操作指令値生成部１０６によれば、評価関数Ｆが最小となる時系列的な操作量である、操作量候補（ｕ１～ｕｎ）を得ることができる。これは、後述する図１２に実線で示した軌道を求めたことを意味している。
　図３はモデル予測制御部１０１内の出力予測部１０７のブロック構成例を示す図である。図３において、状態方程式演算部３０１は、車両の動作モデルを数式で表した手段である。状態方程式演算部３０１は、例えば、加速度や進行方向の角度が入力されると、自車の位置座標、速度、方角などの物理量に変換する。保存部３０２は状態方程式演算部３０１の出力を一時保存し、次の時点の予測処理に利用するための手段である。例えば現時点の位置座標と速度を保存することで次の時点の位置座標の予測値を計算で求めることができる。
　図３の例では、状態方程式演算部３０１は、車両の動作モデルを数式で表すために操作指令値生成部１０６内からの時系列的な予測操作量（ｕ１～ｕｎ）を入力としている。また、アクチュエータ１０２の出力に対応する制御量を、時系列的な予測制御量（ｘ１～ｘｎ）として算出し、評価関数演算部１０８に出力し、評価関数の演算に使用している。なお、図３では、基準位置を定めるために保存部３０２を使用しているが、これは図１に示すように、アクチュエータ１０２が示す現在位置を基準として定めるものであってもよい。
　図４はモデル予測制御部１０１内の評価関数演算部１０８のブロック構成例を示す図である。図４において、評価関数演算部１０８では、自動運転に必要な制約条件を関数で表した複数の制約条件関数部（リスク度演算部４０１、速度誤差演算部４０２、加速度演算部４０３、加々速度演算部４０４）を用いて、操作指令値生成部１０６に出力する評価関数Ｆの値を生成する。図４の例では、状況認識部１０３から出力されるリスク度Ｒと、出力予測部１０７で求めた時系列的な予測制御量（ｘ０～ｘｎ）についての制約条件関数部を備えている。
　評価関数演算部１０８は、複数の制約条件関数演算部（４０１から４０４）により構成されている。本発明では、評価関数Ｆを複数の制約条件関数部（４０１から４０４）により定めている。
　複数の制約条件関数は、リスク度演算部４０１で求める自車のリスク度についての関数ｆ１、速度誤差演算部４０２で求める速度誤差についての関数ｆ２、加速度演算部４０３で求める加速度についての関数ｆ３、加々速度演算部４０４で求める加々速度についての関数ｆ４である。評価関数Ｆは、これらにさらに出力予測部１０７で求める応答性についての関数ｆ５を加味した５つの要素で構成された関数である。これら５つの要素で定まる数値が最小のものを求めていく。
　以下、複数の制約条件関数演算部（４０１から４０４）のそれぞれについて説明する。
まず、リスク度演算部４０１は、周囲情報と自車の相対位置情報から、次の時点（ｋ＝１）から将来のｎ時点（ｋ＝ｎ）までの各時点でのリスク度Ｒ（ｋ）を、例えば状況認識部１０３から入手し、リスク度Ｒ（ｋ）と重み係数Ｗ１の乗算結果を計算し、それらの値の総和を求めるリスク度についての制約条件関数ｆ１を演算する。
　速度誤差演算部４０２は、自車の加速度情報を積分して速度を求め、次の時点（ｋ＝１）から将来のｎ時点（ｋ＝ｎ）までの各時点での目標速度Ｖｒｅｆの差の２乗と重み係数Ｗ２の乗算結果を計算し、それらの値の総和を求める速度についての制約条件関数ｆ２を演算する。
　加速度演算部４０３は、自車の加速度情報から、次の時点（ｋ＝１）から将来のｎ時点（ｋ＝ｎ）までの各時点での加速度の２乗と重み係数Ｗ３の乗算結果を計算し、それらの値の総和を求める加速度についての制約条件関数ｆ３を演算する。
　加々速度演算４０４は、自車の加速度情報を微分して加々速度を求め、次の時点（ｋ＝１）から将来のｎ時点（ｋ＝ｎ）までの各時点での加々速度の２乗と重み係数Ｗ４の乗算結果を計算し、それらの値の総和を求める加々速度についての制約条件関数ｆ４を演算する。加算部４０５は上記制約条件関数演算部（４０１から４０４）が求めた各制約条件関数の出力結果を互いに加算して、操作指令値生成部１０６に出力する。
　評価関数演算部１０８は、上記のように構成されているが、先にも述べたように予測制御装置は、評価関数Ｆの出力を最小とする時の操作量ｕにより車両を制御している。然るに、評価関数Ｆの出力を定める４つの制約条件関数である、リスク度の制約条件関数ｆ１、速度誤差の制約条件関数ｆ２、加速度の制約条件関数ｆ３、加々速度の制約条件関数ｆ４は、その時々の運転状態を反映している。
　図５は状況認識部１０３のブロック構成例を示す図である。図５において、カメラ５０１は、自車の前後左右の周囲状況を撮影する。ＬｉＤＡＲ５０２はレーザー光線で自車の周囲の状況を検出する。ミリ波レーダー５０３は電波の反射光で周囲の状況を検出する。
ＧＰＳ５０４は自車の位置する経度、緯度を検出する。地図５０５は自車の出発地点から到達予定地点までの経路情報を出力する。物体認識部５０６は、カメラ５０１、ＬｉＤＡＲ５０２およびミリ波レーダー５０３から入力するデータを基に他車、自転車、歩行者等の物体を認識し、物体情報を出力する。また、自車経路検出部５０７はＧＰＳ５０４、地図５０５からの入力情報を基に自車の地図上の現在地点を検出し経路上の現地点の周囲の地図情報を出力する。
　図６は変化量検出部１０４のブロック構成例を示す図である。図６において、正常時用の重み算出部６０１は、状況認識部１０３から入力される物体情報と経路情報の時間軸上の変化量にそれぞれ係数ｋ０、ｋ１を乗じた値を重みＷａとし、係数ｋ２、ｋ３を乗じた値を重みＷｂして出力する。同様に、故障時用の重み算出部６０２は、状況認識部１０３から入力される物体情報と経路情報の時間軸上の変化量に、それぞれ、係数ｋ４、ｋ５を乗じた値を重みＷａとし、係数ｋ６、ｋ７を乗じた値を重みＷｂとして出力する。選択部６０３は、自車に搭載したＥＣＵ等から入力される自車の診断情報より正常と判断した場合は正常時用の重み算出部６０１の出力を選択し、故障であるとの情報（各部アクチュエータからの故障通知信号）が入力された場合には故障時用の重み算出部６０２の出力を選択し出力する。よって、自車の変化量は、自車の走行経路および自車に属する各部アクチュエータからの故障通知の信号入力を含むものである。
　図７Ａは制御条件調整部１０５による重みＷａに対する初期値の決定方法を説明する図である。図７Ａにおいて、重みＷａは０～１の範囲の値をとり、例えばＷａ＝０であれば、前回の解探索演算で求まった値をそのまま初期値の候補とする。また、Ｗａ＝１であれば乱数の発生により初期値の候補を決定するように、重みＷａが大きくなるにしたがい乱数の割合を多くする。
　図７Ｂは制御条件調整部１０５による重みＷｂに対する予測期間の決定方法を説明する図である。図７Ｂにおいて、重みＷｂは０～１の範囲の値をとり、例えばＷｂ＝０であれば、予測期間を１０秒間とし、Ｗｂ＝１であれば１秒間とするように、重みＷｂが大きくなるにしたがい予測期間を短くする。
　図８は制御条件調整部１０５のブロック構成例を示す図である。図８において、初期値設定部８０１は変化量検出部１０４から入力する重みＷａの値に応じて操作指令値生成部１０６へ出力する最適値探索演算のための初期値の候補値を決定する。予測期間設定部８０２は、変化量検出部１０４から入力する重みＷｂの値に応じて操作指令値生成部１０６へ出力する最適値探索演算を行う予測期間を決定（調整）する。
　図９は制御条件調整部１０５の図８に示した構成とは別のブロック構成例を示す図であり、予測制御の初期値及び予測期間に加えて予測間隔を調整する例である。図９において、初期値設定部８０１および予測期間設定部８０２は図８のブロック構成例と同一の機能である。予測間隔設定部８０３は入力する重みＷｂの値に応じて操作指令値生成部１０６へ出力する最適値探索演算による予測間隔を決定する。例えば、Ｗｂ＝０であれば、予測期間１０秒間において0.1秒間隔で操作量候補（ｕ１～ｕｎ）を求める。また、Ｗｂ＝１であれば予測期間１秒間において0.01秒間隔で操作量候補（ｕ１～ｕｎ）を求める。この結果、予測制御にかかる演算量はＷｂの値に関わらず一定で、各操作量候補（ｕ１～ｕｎ）の予測間隔を狭くすることができる。
　制御条件調整部１０５は、周囲及び自車の変化量と変化方向を検出する手段（１０３、１０４）の検出結果に基づいて、モデル予測制御部１０１（予測制御手段）における解探索演算の初期値と予測期間とを設定する手段の一形態である。
　図１０は図８および図９に示した初期値設定部８０１のブロック構成例を示す図である。図１０において、前回操作量依存個数部１００１は複数用意する初期値のうち、重みＷａの値に応じて、どの割合を前回操作量に依存した初期値とするかを決定する。例えば、操作量候補（ｕ１～ｕｎ）を１組とし、その初期値として１００組を準備する場合、Ｗａ＝１であれば１００組全てを前回採用した操作量（ｕ１～ｕｎ）を基に変更を加えた初期値とする。また、Ｗａ＝０．５の場合、５０組を前回採用した操作量（ｕ１～ｕｎ）を基に変更を加えた初期値とする。Ｗａ＝０の場合は、周囲状況の変化が大きく、前回操作量の依存性はなしと判断し、１００組全ての初期値を乱数で発生させる。乱数範囲調整部１００２は前回採用の操作量を基準にしてそれぞれの値に加算する乱数の範囲を決定する。
乱数範囲調整部１００２は、Ｗａの値が１に近いほど前回採用の操作量に対する依存性が高いと判断し、乱数の取りえる値の範囲を狭くする。
　前回操作量依存生成部１００３は前回操作量に対し乱数範囲調整部１００２で生成した乱数を加算することで初期値を生成する。
　通常乱数生成部１００４は予め設定された範囲内で乱数を発生させ、初期値を生成する。
　初期値格納部１００５は前回操作量依存生成部１００３および通常乱数生成部１００４で生成した初期値を格納する。それぞれの格納数は前回操作量依存個数部１００１で決定された個数の割合となる。例えば初期値を１００組格納する場合であって、Ｗａ＝０．３のとき、前回操作量依存生成部１００３で生成した初期値３０組を格納し、通常乱数生成部１００４で生成した初期値７０組を格納する。
　図１１Ａは本発明を用いない場合の演算回数に対する評価関数出力値の特性を示すグラフである。図１１Ａにおいて、縦軸は評価関数出力であり、横軸は演算回数を示し、（１）、（２）、（３）はそれぞれ１回目、２回目、３回目の演算を示している。それぞれの回で最小値に収束するまでの演算回数は異なり、３回とも最小値に収束したと判断できる演算回数は２１５０回となる。
　図１１Ｂは本発明の実施例１での初期値に前回の最適解を含めた場合の特性を示すグラフである。図１１Ｂにおいて、図１１Ａと同様に、縦軸は評価関数出力であり、横軸は演算回数を示す。１回目の演算（１）は初期値として全て乱数により発生させた値を使ったため最小値への収束に３０００回の演算を要している。それに対し、２回目の演算（２）、３回目の演算（３）は初期値に前回の最適解を含めたため、最小値への収束が９００回の演算で済んでいる。
　図１１Ｃは本発明での予測期間を１２８時点から１６時点に短くした場合の特性を示すグラフである。図１１Ｃにおいて、図１１Ａと同様に、縦軸は評価関数出力であり、横軸は演算回数を示す。初期値は図１１Ｂと同様に全て乱数で生成しているが、予測期間が図１１Ｂの１２８時点に対し、１６時点と短いため３回全ての収束までの演算回数は１０００回で済んでいる。
　図１２はモデル予測制御による自動運転の一動作例を示す図である。図１２において、高速道路の走行車線を走行中の自動運転による車両１２０１が、同じ走行車線を走行中の車両１２０２の後方を走行する動作を想定している。図１２においては、走行レーンを破線で示している。
　図１２の（ａ）は、高速道路上で自車１２０１が他車１２０２の後方を走行している図である。このとき自車１２０１は効率の良い運転を行うため、複数の制御量ｘの候補（複数の実線で示す）の中から太い実線の矢印で示す時系列的な制御量ｕ０～ｕｎ（図１２の（ａ）の例ではｕ0～ｕ１２７）を選択し、次の時点の制御量としてｕ１を決定する。
　図１２の（ｂ）は前回選択した軌道を初期値に含めて予測制御演算を行った実施例である。図１２の（ｂ）に示す例では図１２の（ａ）の自車１２０１の周囲状況にほとんど変化が無いため、選択される予測軌道も図１２の（ａ）に示した例と同等となる。この場合、速度、方向の急激な変化が抑制されるため乗員にとって乗り心地の良い自動運転となる効果がある。また、図６において、選択部６０３に入力される自車診断情報が“故障”を示す信号の場合、前回と同一の軌道が維持されることで、迅速なフェールオペレーショナル制御に寄与する（フェールオペレーショナル制御寄与モード）。
　図１２の（ｃ）は予測期間を短くして求まった予測軌道を示す図である。図１２の（ｃ）に示す例では図１２の（ｂ）に示す例に対し他車１２０２が路肩により停止したことで、時間的な変化量が多く、重みＷｂが１に近い値となり予測期間を短くして今回の予測軌道を求めている。この場合、最適な軌道が求まるまでの時間が短くなるので急な周囲状況の変化に対応できる。また、図６において、自車診断情報が“１”を入力した場合、予測期間を短くして路肩に退避する軌道をすぐに生成でき、迅速なフェールセーフ制御に寄与する（フェールセーフ制御寄与モード）。
　以上に示した本発明の実施例１によれば、自車両の周囲状況の変化量を検出し、検出した変化量に従って予測制御の初期値及び予測期間を変更するように構成したので、人が運転するように、通常走行時の乗り心地と緊急時の迅速な動作の両立が可能な予測制御装置を実現することができる。
　また、実施例１によれば、自車や自車の周囲状況の変化量の大小に応じて、前回選択した軌道を初期値に含めて予測制御を行うか、予測期間を短くして初期値を乱数により生成して予測制御を行うか切り替える制御を行っている。よって、自車の周囲状況の変化に応じて適切に車両動作を制御することができる。
　（実施例２）
　次に、本発明の実施例２について説明する。
　実施例１においては、フェールオペレーショナル制御に寄与するモードと、迅速なフェールセーフ制御に寄与するモードとを切り替える構成である。
　実施例２においては、自車の周囲状況及び自車の変化に応じて、予測制御の初期値及び予測期間を変更する点においては、実施例１と共通するが、フェールセーフ制御寄与モードを有していない。つまり、実施例２においては、初期値と予測期間とを設定する制御条件調整部１０５は、自車の周囲状況や自車の変化量に応じて、設定する初期値及び予測期間を解探索演算の前回の演算結果（操作量）を、初期値に含めて操作量として設定するフェールオペレーショナル制御モードのみを有している。
　実施例２においては、車両故障等が発生した場合であっても、通常走行時の乗り心地を達成することができる。
　実施例２と実施例１との構成の相違は、実施例２においては、図８及び図９に示した制御条件調整部１０５の初期値設定部８０１、予測期間設定部８０２が、フェールオペレーショナル制御モード時には、前回の操作量とする点である。
　実施例２の他の構成は、実施例１と同等となるので、図示及び詳細な説明は省略する。
　実施例２によれば、通常走行時の乗り心地が向上された予測制御装置を実現することができる。
　また、実施例２においては、実施例１と比較して、フェールセーフ制御モードを有していないので、その演算負荷を軽減でき、例えば、高速道路走行時の自車の故障発生時においても、速やかに軌道を維持することができる。
　１０１・・・モデル予測制御部、１０２・・・アクチュエータ、１０３・・・状況認識部、１０４・・・変化量検出部、１０５・・・制御条件調整部、１０６・・・操作指令値生成部、１０７・・・出力予測部、１０８・・・評価関数演算部、２０１・・・操作量生成部、２０２・・・比較部、２０３・・・最小値保存部、２０４・・・操作量保存部、３０１・・・状態方程式演算部、３０２・・・保存部、４０１・・・リスク度演算部、４０２・・・速度誤差演算部、４０３・・・加速度演算部、４０４・・・加々速度演算部、４０５・・・加算部、５０１・・・カメラ、５０２・・・ＬｉＤＡＲ、５０３・・・ミリ波レーダー、５０４・・・ＧＰＳ、５０５・・・地図情報部、５０６・・・物体認識部、５０７・・・自車経路検出部、６０１・・・正常時用重み算出部、６０２・・・故障時用重み算出部、６０３・・・選択部、８０１・・・初期値設定部、８０２・・・予測期間設定部、８０３・・・予測間隔設定部、１００１・・・前回操作量依存個数部、１００２・・・乱数範囲調整部、１００３・・・前回操作量依存生成部、１００４・・・通常乱数生成部、１００５・・・初期値格納部、１２０１・・・自車、１２０２・・・他車

Claims (15)

  1. 　周囲および自車の変化量と変化方向を検出する手段と、
    　前記検出結果に基づいて、予測制御手段における解探索演算の初期値と予測期間を設定する手段を有することを特徴とする予測制御装置。
  2. 　請求項１に記載の予測制御装置において、
    　前記初期値と予測期間を設定する手段は、前記周囲及び自車の変化量に応じて設定する前記初期値及び前記予測期間を、前記解探索演算の前回の演算結果を初期値に含めて設定するフェールオペレーショナル制御モードを有することを特徴とする予測制御装置。
  3. 　請求項２に記載の予測制御装置において、
    　前記周囲の変化量と変化方向は、動的障害物および静的障害物の自車に対する相対位置および相対速度から求められることを特徴とする予測制御装置。
  4. 　請求項２に記載の予測制御措置において、
    　前記自車の変化量は、自車の走行経路及び自車の属する各部のアクチュエータからの故障通知の信号入力を含むことを特徴とする予測制御装置。
  5. 　請求項１に記載の予測制御装置において、
    　前記予測制御装置は、車両の自動運転のために車両のアクチュエータに与える操作量を定める予測制御装置であって、
    　前記予測制御手段は、
    　前記アクチュエータに対する操作量と、予測値としての操作量候補を生成する操作指令値生成部と、車両の動作モデルを数式で表した状態方程式を用いて、前記アクチュエータ出力に相当する予測値としての制御量候補を出力する出力予測部と、車両の自動運転に必要な制約条件を複数の関数で表し、前記制約条件についての各関数の出力の総和を得る評価関数演算部と、を有し、
    　前記周囲および自車の変化量と変化方向を検出する手段は、
    　走行中の自車の周囲状況から、走行路上の物体や自車の経路を認識する状況認識部と、前記認識した物体や経路の時間的変化量を検出する変化量検出部と、を有し、
    　前記操作指令値生成部は、前記評価関数演算部からの出力に応じて前記アクチュエータに対する操作量を生成するとともに、前記解探索演算の初期値と予測期間を設定する手段は、走行中の周囲および自車の状況に応じて前記操作指令値生成部へ設定する初期値および予測期間を調整することを特徴とする予測制御装置。
  6. 　請求項５に記載の予測制御装置において、
    　前記変化量検出部は、前記認識した物体や自車の走行経路の時間的変化量を、自車に対する単位時間あたりの相対位置の変化量から求めることを特徴とする予測制御装置。
  7. 　請求項５または６に記載の予測制御装置において、
    　前記変化量検出部は、前記認識した物体や自車の走行経路から求めた時間的変化量に係数を乗じた値を重み係数として出力することを特徴とする予測制御装置。
  8. 　請求項５、６、７のうちのいずれか一項に記載の予測制御装置において、
    　前記変化量検出部は、前記重み係数を、自車の診断結果に応じて異なる値として出力することを特徴とする予測制御装置。
  9. 　請求項５に記載の予測制御装置において、
    　前記制御条件調整部は、予測制御の初期値と予測期間と予測間隔を調整することを特徴とする予測制御装置。
  10. 　請求項９に記載の予測制御装置において、
    　前記制御条件調整部は、前記変化量検出部から入力する重み係数の値に応じて前記初期値および予測期間および予測間隔を調整することを特徴とする予測制御装置。
  11. 　請求項１０に記載の予測制御装置において、
    　前記制御条件生成部は、前記初期値を設定する初期値設定部を有し、
    　前記初期値設定部は、前回操作量依存個数を設定する前回操作量依存個数部と、生成する乱数範囲を調整する乱数範囲調整部と、前回操作量に依存した初期値を生成する前回操作量依存個数部と、乱数から初期値を生成する通常乱数生成部と、生成した複数の前記初期値を格納する初期値格納部とを有することを特徴とする予測制御装置。
  12. 　請求項１に記載の予測制御装置において、
    　前記解探索演算の初期値と予測期間を設定する手段は、
    　前記周囲及び自車の変化量に応じて設定する前記初期値及び前記予測期間を、前記解探索演算の前回の演算結果を初期値に含めて設定するフェールオペレーショナル制御モードとするか、
    　前記予測期間を短縮して設定するフェールセーフ制御モードとするかを切り替えることを特徴とする予測制御装置。
  13. 　請求項１２に記載の予測制御装置において、
    　前記自車の変化量は、自車の走行経路及び自車の属する各部のアクチュエータからの故障通知の信号入力を含むことを特徴とする予測制御装置。
  14. 　請求項１２に記載の予測制御装置において、
    　前記予測制御装置は、車両の自動運転のために車両のアクチュエータに与える操作量を定める予測制御装置であって、
    　前記予測制御手段は、
    　前記アクチュエータに対する操作量と、予測値としての操作量候補を生成する操作指令値生成部と、車両の動作モデルを数式で表した状態方程式を用いて、前記アクチュエータ出力に相当する予測値としての制御量候補を出力する出力予測部と、車両の自動運転に必要な制約条件を複数の関数で表し、前記制約条件についての各関数の出力の総和を得る評価関数演算部と、を有し、
    　前記周囲および自車の変化量と変化方向を検出する手段は、
    　走行中の自車の周囲状況から、走行路上の物体や自車の経路を認識する状況認識部と、前記認識した物体や経路の時間的変化量を検出する変化量検出部と、を有し、
    　前記操作指令値生成部は、前記評価関数演算部からの出力に応じて前記アクチュエータに対する操作量を生成するとともに、前記解探索演算の初期値と予測期間を設定する手段は、走行中の周囲および自車の状況に応じて前記操作指令値生成部へ設定する初期値および予測期間を調整することを特徴とする予測制御装置。
  15. 　請求項５または請求項１４に記載の予測制御装置において、
    　前記評価関数演算部は、
    　前記状況認識部から出力されるリスク度に基づいて、自車のリスク度についての関数を求めるリスク度演算部と、
    　前記出力予測部からの前記制御量候補に基づいて、速度誤差についての関数を求める速度誤差演算部と、
    　前記出力予測部からの前記制御量候補に基づいて、加速度についての関数を求める加速度演算部と、
    　前記出力予測部からの前記制御量候補に基づいて、加々速度についての関数を求める加々速度演算部と、
    　前記リスク度演算部、前記速度誤差演算部、前記加速度演算部、及び前記加々速度演算部が求めたそれぞれの関数を互いに加算して前記操作指令値生成部に出力する加算部と、を有することを特徴とする予測制御装置。
PCT/JP2019/022267 2018-07-02 2019-06-05 予測制御装置 WO2020008785A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201980031293.0A CN112292717B (zh) 2018-07-02 2019-06-05 预测控制装置
US17/255,748 US20210221402A1 (en) 2018-07-02 2019-06-05 Prediction control device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018126250A JP7046740B2 (ja) 2018-07-02 2018-07-02 予測制御装置
JP2018-126250 2018-07-02

Publications (1)

Publication Number Publication Date
WO2020008785A1 true WO2020008785A1 (ja) 2020-01-09

Family

ID=69059938

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/022267 WO2020008785A1 (ja) 2018-07-02 2019-06-05 予測制御装置

Country Status (4)

Country Link
US (1) US20210221402A1 (ja)
JP (1) JP7046740B2 (ja)
CN (1) CN112292717B (ja)
WO (1) WO2020008785A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114516342A (zh) * 2020-11-19 2022-05-20 上海汽车集团股份有限公司 一种车辆控制方法、装置及车辆

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11416171B2 (en) * 2020-01-07 2022-08-16 Western Digital Technologies, Inc. Dynamic predictive latency attributes
WO2021234947A1 (ja) * 2020-05-22 2021-11-25 三菱電機株式会社 車両制御システム、車両統合制御装置、電子制御装置、ネットワーク通信装置、車両制御方法、および、車両制御プログラム
JP7342828B2 (ja) 2020-09-24 2023-09-12 いすゞ自動車株式会社 自動運転装置
WO2022113249A1 (ja) * 2020-11-27 2022-06-02 三菱電機株式会社 制御演算装置
WO2022172337A1 (ja) * 2021-02-09 2022-08-18 三菱電機株式会社 制御演算装置および制御演算方法
JP7387061B2 (ja) * 2021-04-08 2023-11-27 三菱電機株式会社 シーケンス自動生成装置、シーケンス自動生成方法およびプログラム
JP7195369B2 (ja) * 2021-04-26 2022-12-23 三菱電機株式会社 車両のモデル予測制御装置
JP7241800B2 (ja) * 2021-05-12 2023-03-17 三菱電機株式会社 車両制御装置及び車両制御方法
WO2023089751A1 (ja) * 2021-11-19 2023-05-25 三菱電機株式会社 最適演算装置
JPWO2023136150A1 (ja) * 2022-01-17 2023-07-20

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006315489A (ja) * 2005-05-11 2006-11-24 Toyota Motor Corp 車両周囲警報装置
JP2007233646A (ja) * 2006-02-28 2007-09-13 Toyota Motor Corp 物体進路予測方法、装置、およびプログラム
JP2012118909A (ja) * 2010-12-03 2012-06-21 Nissan Motor Co Ltd 走行支援装置
WO2012172632A1 (ja) * 2011-06-13 2012-12-20 トヨタ自動車株式会社 運転支援装置及び運転支援方法

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2762711B2 (ja) * 1990-07-02 1998-06-04 日産自動車株式会社 車両の制動挙動補償装置
JP3481046B2 (ja) * 1996-06-13 2003-12-22 本田技研工業株式会社 車両のアクティブマウント用制御システムにおける故障診断方法及び装置
JP3430832B2 (ja) * 1997-01-27 2003-07-28 日産自動車株式会社 道路曲率推定装置
JP4385392B2 (ja) * 2000-06-15 2009-12-16 マツダ株式会社 車両用情報提供装置
JP4069754B2 (ja) * 2003-02-07 2008-04-02 日産自動車株式会社 車両運動制御装置
JP4055653B2 (ja) * 2003-05-27 2008-03-05 株式会社デンソー 車速制御装置およびプログラム
JP2005339241A (ja) * 2004-05-27 2005-12-08 Nissan Motor Co Ltd モデル予測制御装置および車両用推奨操作量生成装置
US8271175B2 (en) * 2005-08-05 2012-09-18 Honda Motor Co., Ltd. Vehicle control device
JP4899550B2 (ja) * 2006-03-15 2012-03-21 株式会社豊田中央研究所 フェールセーフ装置及びフェールセーフシステム
JP4797948B2 (ja) * 2006-11-22 2011-10-19 株式会社デンソー 運転行動推定方法および装置
JP4586795B2 (ja) * 2006-12-07 2010-11-24 トヨタ自動車株式会社 車両用制御装置
JP5359459B2 (ja) * 2009-03-27 2013-12-04 トヨタ自動車株式会社 車両のシフト制御装置
JP5351814B2 (ja) * 2010-03-31 2013-11-27 本田技研工業株式会社 車両の運動制御装置
JP5601878B2 (ja) * 2010-05-12 2014-10-08 三菱電機株式会社 経路予測装置
JP5672971B2 (ja) * 2010-10-29 2015-02-18 株式会社アドヴィックス 車両運動制御装置
JP6409744B2 (ja) * 2015-11-06 2018-10-24 株式会社アドヴィックス 車両の走行支援装置
JP2017124659A (ja) * 2016-01-12 2017-07-20 三菱重工業株式会社 駐車支援システム、駐車支援方法及びプログラム
DE102016117438A1 (de) * 2016-09-16 2018-03-22 Knorr-Bremse Systeme für Nutzfahrzeuge GmbH Verfahren und Vorrichtung zum Steuern einer Bewegung eines Fahrzeugs und Fahrzeugbewegungssteuersystem
JP6636218B2 (ja) * 2017-06-20 2020-01-29 三菱電機株式会社 経路予測装置および経路予測方法
CN107702716B (zh) * 2017-08-31 2021-04-13 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、系统和装置
US10635109B2 (en) * 2017-10-17 2020-04-28 Nio Usa, Inc. Vehicle path-planner monitor and controller
JP6760331B2 (ja) * 2017-11-17 2020-09-23 株式会社デンソー 車両制御装置
US11698642B2 (en) * 2017-12-12 2023-07-11 Sony Corporation Information processing apparatus, mobile object, control system, and information processing method
JP2019144691A (ja) * 2018-02-16 2019-08-29 本田技研工業株式会社 車両制御装置
US20210179142A1 (en) * 2018-04-20 2021-06-17 Sony Corporation Mobile object, information processing apparatus, information processing method, and program
WO2019218097A1 (zh) * 2018-05-14 2019-11-21 Lu Shan 汽车爆胎安全稳定控制系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006315489A (ja) * 2005-05-11 2006-11-24 Toyota Motor Corp 車両周囲警報装置
JP2007233646A (ja) * 2006-02-28 2007-09-13 Toyota Motor Corp 物体進路予測方法、装置、およびプログラム
JP2012118909A (ja) * 2010-12-03 2012-06-21 Nissan Motor Co Ltd 走行支援装置
WO2012172632A1 (ja) * 2011-06-13 2012-12-20 トヨタ自動車株式会社 運転支援装置及び運転支援方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114516342A (zh) * 2020-11-19 2022-05-20 上海汽车集团股份有限公司 一种车辆控制方法、装置及车辆
CN114516342B (zh) * 2020-11-19 2024-05-03 上海汽车集团股份有限公司 一种车辆控制方法、装置及车辆

Also Published As

Publication number Publication date
CN112292717B (zh) 2022-10-04
CN112292717A (zh) 2021-01-29
US20210221402A1 (en) 2021-07-22
JP7046740B2 (ja) 2022-04-04
JP2020008889A (ja) 2020-01-16

Similar Documents

Publication Publication Date Title
WO2020008785A1 (ja) 予測制御装置
US20230098550A1 (en) Vehicle system for recognizing objects
JP6822752B2 (ja) アクティブ車両制御のための運転支援技術
US11392093B2 (en) Prediction control device and method
US11372417B2 (en) Method for predicting exiting intersection of moving obstacles for autonomous driving vehicles
US20220261003A1 (en) Driver-centric model predictive controller
JP5577126B2 (ja) 走行支援装置
US20220063618A1 (en) Vehicle control device, vehicle control method, and storage medium
US20220176980A1 (en) Arithmetic operation device for automobiles
Kim et al. Design of an adaptive cruise control/collision avoidance with lane change support for vehicle autonomous driving
EP4045370A1 (en) Adaptive cruise control
JP7019885B2 (ja) 車両制御値決定装置、車両制御値決定方法、およびプログラム
Jeong Self-adaptive motion prediction-based proactive motion planning for autonomous driving in urban environments
JP2012030659A (ja) 状況適合型運転支援装置
KR20200044169A (ko) 자율주행 차량의 충돌 회피 시스템 및 충돌 회피 방법
CN115700204A (zh) 自动驾驶策略的置信度确定方法及装置
KR102155054B1 (ko) 인공지능을 활용한 주변차량 컷인 의도 예측 방법
US11320820B2 (en) Hyperassociation in episode memory
US11364913B2 (en) Situational complexity quantification for autonomous systems
JP2022026228A (ja) 軌道生成装置、軌道生成方法、および軌道生成プログラム
CN111762146A (zh) 用于自主驾驶系统的使用空间和时间交通信息的在线驾驶性能评估
JP2020111296A (ja) 運転制御システム
Han et al. Adaptive Safety Distance for Collision Avoidance Based on a Full Braking Activation Parameter
EP4219259A1 (en) Method, computer system and non-transitory computer readable medium for target selection in the vicinity of a vehicle
Ginerica et al. A vision-dynamics learning approach to prediction-based control in autonomous vehicles

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: 19831232

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19831232

Country of ref document: EP

Kind code of ref document: A1