JP2007137278A - 運転指向推定装置 - Google Patents

Abstract

【課題】車両の旋回時における運転指向の推定精度の低下を抑制することが可能な運転指向推定装置を提供する。
【解決手段】車両に作用する前後方向の加速度に対応する値及び横加速度に対応する値の少なくともいずれか一方に基づいて、運転指向を推定する運転指向推定装置であって、車両の旋回時と非旋回時とは、前記前後方向の加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値（Ｓ５、Ｓ８、Ｓ１０、Ｓ１３）に基づいて、運転指向を推定する。
【選択図】 図１

Description

本発明は、運転指向を推定する運転指向推定装置に関し、特に、車両の旋回時における運転指向の推定精度の低下を抑制することが可能な運転指向推定装置に関する。

特開平９−２４２８６３号公報（特許文献１）には、車両の運転指向を推定するための運転指向推定装置であって、車両発進時の出力操作量、出力操作量の最大変化率、車両の制動操作時の最大減速度、車両の惰行走行時間、車速一定走行時間から選択された少なくとも一つの運転操作関連変数を算出する運転操作関連変数算出手段と、該運転操作関連変数算出手段により算出された運転操作関連変数が入力されるニューラルネットワークを備え、該ニューラルネットワークの出力に基づいて車両の運転指向を推定する運転指向推定手段とを、含む車両の運転指向推定装置が開示されている。

特開平９−２４２８６３号公報 特開２００５−９８３６４号公報

例えばニューラルネットワークのような知能システムを用いた情報処理機構に、運転者の操作量や車両の状態量を示す情報を入力することにより、運転者の運転指向を推定する技術が知られている。実際には運転者の運転指向が変化していない場合であっても、車両の旋回中（コーナーリング中）には、アクセル操作変化量が小さくなる場合があり、その場合には、運転者の実際の運転指向にかかわらず、上記情報処理機構から運転指向が変化したことを示す値が出力されてしまう。

ここで、上記のように実際には運転指向が変化していない場合であって車両の旋回中にアクセル操作変化量が小さくなった場合に、運転指向が変化していないことを示す値が出力される情報処理機構を作成することが考えられる。しかし、その場合には、情報処理機構に入力する項目を増加する必要があり、計算負荷が増加するという問題が生じる。また、そのような情報処理機構を新たに作成するに際して、工数が増加するという問題がある。一方、車両の旋回中に実際に運転指向が変化する場合があるため、車両の旋回中の運転指向がより高精度に推定できることが望まれている。

本発明の目的は、車両の旋回時における運転指向の推定精度の低下を抑制することが可能な運転指向推定装置を提供することである。
本発明の他の目的は、計算負荷や工数が増加することなく、車両の旋回時における運転指向の推定精度の低下を抑制することが可能な運転指向推定装置を提供することである。

本発明の運転指向推定装置は、車両に作用する前後方向の加速度に対応する値及び横加速度に対応する値の少なくともいずれか一方に基づいて、運転指向を推定する運転指向推定装置であって、車両の旋回時と非旋回時とは、前記前後方向の加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値に基づいて、運転指向を推定することを特徴としている。

本発明の運転指向推定装置において、前記車両の非旋回時と、前記車両の旋回時であって前記前後方向の加速度に対応する値と前記横加速度に対応する値の関係が予め設定された所定の関係であるときとは、前記前後方向の加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値に基づいて、運転指向を推定することを特徴としている。

本発明の運転指向推定装置において、前記前後方向の加速度に対応する値と前記横加速度に対応する値の関係が予め設定された所定の関係であるときとは、前記横加速度に対応する値と予め設定された所定値の積と、前記前後方向の加速度に対応する値の大小関係に関するものであることを特徴としている。

本発明の運転指向推定装置において、前記車両の非旋回時と、前記車両の旋回時であって前記前後方向の加速度に対応する値と前記横加速度に対応する値の関係が予め設定された所定の関係であり前記前後方向の加速度に対応する値が０以上の値であるときとは、前記前後方向のうち前方向の前記加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値に基づいて、運転指向を推定することを特徴としている。

本発明の運転指向推定装置において、前記車両の非旋回時と、前記車両の旋回時であって前記前後方向の加速度に対応する値と前記横加速度に対応する値の関係が予め設定された所定の関係であり前記前後方向の加速度に対応する値が０未満の値であるときとは、前記前後方向のうち後方向の前記加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値に基づいて、運転指向を推定することを特徴としている。

本発明の運転指向推定装置において、前記予め設定された所定値は、道路環境及び走行環境の少なくとも一つに基づいて、異なる値に設定されることを特徴としている。

本発明の運転指向推定装置において、前記道路環境及び前記走行環境の少なくとも一つに関連して、運転者が相対的にアクセルを戻す操作を行い易い場合には、前記予め設定された所定値が相対的に大きな値に設定されることを特徴としている。

本発明の運転指向推定装置において、前記道路環境及び前記走行環境の少なくとも一つに関連して、車両に相対的に大きな横加速度が作用し易い場合には、前記予め設定された所定値が相対的に小さな値に設定されることを特徴としている。

本発明の運転指向推定装置において、道路環境及び前記走行環境には、路面勾配、路面状態、道路の曲がり度合い、カーブの連続性、天候、明るさの少なくとも一つが含まれることを特徴としている。

本発明の運転指向推定装置によれば、車両の旋回時における運転指向の推定精度の低下を抑制することが可能となる。

以下、本発明の運転指向推定装置の一実施形態につき図面を参照しつつ詳細に説明する。

本実施形態の運転指向推定装置は、例えばニューラルネットワークのような知能システムを用いた情報処理機構の入力情報として運転者の操作量及び車両の状態量（前後加速Ｇを含む）を用いて運転指向を推定する運転指向推定装置であって、車両の旋回時は、運転者の運転指向が変化していない場合であっても、アクセル操作変化量が小さくなる場合があり、その場合には、車両の加減速度（前後加速Ｇ）が低下する。そのため、ニューラルネットワークのような知能システムを用いた情報処理機構の入力項である、加速度入力項と減速度入力項が低下し、その結果、運転者の運転指向が変化していないにもかかわらず、出力値（運転者指向度）が低下してしまう。

上記の問題点を抑制するために、横Ｇ（旋回加速Ｇ）やステアリング角度等の旋回時の特徴を示す信号を、ニューラルネットワークに入力する項目に新たに追加することが考えられるが、その場合には、その分、教師データの数が多く、その結果、適合工数（学習に要する工数）の増加や、ニューラルネットワークによる演算時の計算負荷の増加を招く可能性がある。

そこで、本実施形態では、所定の条件の下、ニューラルネットワークの入力値に、前後加速Ｇに代えて、横Ｇを入力する。横Ｇは、コーナリング中の運転指向を反映している値である。運転指向がスポーツ走行指向である場合には、アクセル操作変化量が小さい場合であっても、横Ｇが大きいのでニューラルネットワークの出力の低下が抑制され、運転指向の推定結果と、実際の運転者との乖離が低減できる。

なお、コーナリング中に値が低下したアクセル操作量やアクセル開度などのアクセルに関する入力値は、従来どおりニューラルネットワークに入力しても、所定の条件の下、前後加速Ｇに代えて横Ｇが入力されることで、ニューラルネットワークの出力低下が問題とならないで済む。

本実施形態では、「旋回判定成立時、かつ｜横Ｇ｜×定数＞前後加速Ｇ＞０」の場合、前後加速Ｇの代わりに｜横Ｇ｜×定数を加速度入力項へ入力し（正規化値は変更）、また、「旋回判定成立時、かつ｜横Ｇ｜×定数＞｜前後加速Ｇ｜（前後加速Ｇ＜０）」の場合、前後加速Ｇの代わりに｜横Ｇ｜×定数を減速度入力項へ入力（正規化値は変更）することとしている。

このように、本実施形態では、横Ｇをニューラルネットワークに入力する項目として新たに追加するのではなく、所定の条件の下、前後加速Ｇの代わりに横Ｇに対応する値を代入する。これにより、ニューラルネットワークの学習を行う際に、教師データとして新たに横Ｇを与える必要がなくなるため、教師データの収集や学習時間の短縮が可能となる。また、横Ｇの情報を新規の入力項としてニューラルネットワークに入力することなく、従来から存在する加速度入力項と減速度入力項から入力することで、ニューラルネットワークに対する入力値の数の増加を回避することができ、運転指向の推定精度を低下させること無く、計算負荷の増加の抑制が可能となる。

本実施形態では、上記のように、｜横Ｇ｜が大き過ぎる場合に備えて、定数（≦１）を掛けることで、加速度項又は減速度項が過大になることを防いでいる。なお、上記において、「正規化値は変更」とは、加速度入力項又は減速度入力項に、例えば−１から＋１までの間あるいは０から１までの間の値に正規化された値を入力すべく正規化を行う際に、実際の前後加速Ｇの値を除算する値（正規化値）と、｜横Ｇ｜×定数の値を除算する値（正規化値）が異なるという意味である。

図２は、本実施形態の運転指向推定装置が適用される自動変速機の制御装置の概略構成図を示している。図２において、符号１０は有段の自動変速機、４０はエンジンである。自動変速機１０は、電磁弁１２１ａ、１２１ｂ、１２１ｃへの通電／非通電により油圧が制御されて５段変速が可能である。図２では、３つの電磁弁１２１ａ、１２１ｂ、１２１ｃが図示されるが、電磁弁の数は３に限定されない。電磁弁１２１ａ、１２１ｂ、１２１ｃは、制御回路１３０からの信号によって駆動される。

スロットル開度センサ１１４は、エンジン４０の吸気通路４１内に配置されたスロットルバルブ４３の開度を検出する。エンジン回転数センサ１１６は、エンジン４０の回転数を検出する。車速センサ１２２は、車速に比例する自動変速機１０の出力軸１２０ｃの回転数を検出する。シフトポジションセンサ１２３は、シフトポジションを検出する。パターンセレクトスイッチ１１７は、変速パターンを指示する際に使用される。加速度センサ９０は、車両の前後加速度及び旋回加速度（横Ｇ）を検出する。路面μ検出・推定部１１２は、路面の摩擦係数μ、又は路面の滑りやすさを検出、あるいは推定する。アクセル開度検出部１１３は、アクセル開度を検出する。ブレーキ操作量検出部１１１は、ブレーキの操作量を検出する。

路面μ検出・推定部１１２は、路面の摩擦係数μに代表される路面の滑り易さ（低μ路か否か）を検出又は推定する。ここで、低μ路には、悪路（路面の凹凸が大きい場合や路面に段差がある等を含む）が含まれる。即ち、路面μ検出・推定部１１２では、走行路面の摩擦係数μが演算され、その演算された摩擦係数μが予め定められたしきい値を超えているか否かによって、低μ路か否かが決定される。

路面μ検出・推定部１１２では、上記に代えて、演算により摩擦係数μの具体的数値を求めることなく、各種条件、例えば、フロント車輪速センサ（図示せず）により検出された前輪（図示せず）の回転速度（従動輪速度）及び車速センサ１２２により検出された後輪（図示せず）の回転速度（駆動輪速度）の差に基づいて、路面が低μ路であるか否かを検出することができる。

ここで、路面μ検出・推定部１１２による低μ路であるか否かの検出・推定の具体的方法は、特に限定されず、公知の方法を適宜採用することができる。例えば、上記の前後の車輪速差の他に、車輪速の変化率や、ＡＢＳ（アンチロック・ブレーキ・システム）やＴＲＳ（トラクション・コントロール・システム）やＶＳＣ（ビークル・スタビリティ・コントロール）の作動履歴、車両の加速度と車輪スリップ率の関係の少なくともいずれか一つを用いて、低μ路であるか否かの検出・推定を行うことができる。

このような低μ路であるか否かの検出・推定方法の一例が特開平５−２２３１５７号公報、特開平８−１２１５８２号公報、特開平１０−９４１１０号公報、特開２０００−７９８３４号公報、特許第２７８０３９０号公報、特開平５−３４６３９４号公報、特開平６−１１５４１７号公報に開示されている。

路面μ検出・推定部１１２は、将来に走行予定の路面についての情報（ナビ情報など）に基づいて、低μ路であるか否かを予測する。ここで、ナビ情報には、ナビゲーションシステム装置９５のように予め記憶媒体（ＤＶＤやＨＤなど）に記録されている路面（例えば非舗装路）の情報の他、車両自体が過去の実走行や他の車両や通信センターとの通信（車車間通信や路車間通信を含む）を介して得た情報（道路状況を示す情報や天候状況を示す情報を含む）が含まれる。その通信には、道路交通情報通信システム（ＶＩＣＳ）やいわゆるテレマティクスが含まれる。

ナビゲーションシステム装置９５は、自車両を所定の目的地に誘導することを基本的な機能としており、演算処理装置と、車両の走行に必要な情報（地図、直線路、カーブ、登降坂、高速道路など）が記憶された情報記憶媒体と、自立航法により自車両の現在位置や道路状況を検出し、地磁気センサやジャイロコンパス、ステアリングセンサを含む第１情報検出装置と、電波航法により自車両の現在位置、道路状況などを検出するためのもので、ＧＰＳアンテナやＧＰＳ受信機などを含む第２情報検出装置等を備えている。

制御回路１３０は、スロットル開度センサ１１４、エンジン回転数センサ１１６、車速センサ１２２、シフトポジションセンサ１２３、加速度センサ９０、アクセル開度検出部１１３、ブレーキ操作量検出部１１１の各検出結果を示す信号を入力し、また、パターンセレクトスイッチ１１７のスイッチング状態を示す信号を入力し、また、ナビゲーションシステム装置９５からの信号を入力し、路面μ検出・推定部１１２による検出又は推定の結果を示す信号を入力する。

制御回路１３０は、周知のマイクロコンピュータによって構成され、ＣＰＵ１３１、ＲＡＭ１３２、ＲＯＭ１３３、入力ポート１３４、出力ポート１３５、及びコモンバス１３６を備えている。入力ポート１３４には、上述の各センサ１１４、１１６、１２２、１２３、９０からの信号、アクセル開度検出部１１３からの信号、ブレーキ操作量検出部１１１からの信号、上述のスイッチ１１７からの信号、ナビゲーションシステム装置９５からの信号、路面μ検出・推定部１１２からの信号が入力される。出力ポート１３５には、電磁弁駆動部１３８ａ、１３８ｂ、１３８ｃが接続されている。

道路勾配計測・推定部１１８は、ＣＰＵ１３１の一部として設けられることができる。ここで、道路勾配計測・推定部１１８による道路勾配の計測・推定の具体的方法は、特に限定されず、公知の方法を適宜採用することができる。例えば、道路勾配計測・推定部１１８は、加速度センサ９０により検出された加速度に基づいて、道路勾配を計測又は推定するものであることができる。また、道路勾配計測・推定部１１８は、平坦路での加速度を予めＲＯＭ１３３に記憶させておき、実際に加速度センサ９０により検出した加速度と比較して道路勾配を求めるものであることができる。さらに、道路勾配計測・推定部１１８は、上記ナビ情報から道路勾配の情報を入手するものであることができる。

運転指向推定部１１５は、ＣＰＵ１３１の一部として設けられることができる。運転指向推定部１１５は、運転者の運転状態及び車両の走行状態に基づいて、運転者の運転指向（スポーツ走行指向か通常走行指向）を推定する。運転指向推定部１１５の詳細については更に後述する。なお、運転指向推定部１１５の構成については、後述する内容に限定されず、運転者の運転指向を推定するものであれば、公知の様々な構成のもの（例えば上記特許文献１に記載の構成）を広く含む。ここで、スポーツ走行指向とは、動力性能を重視した指向、加速指向ないしは運転者の操作に対する車両の反応が迅速なスポーツ走行を好むことを意味する。

ＲＯＭ１３３には、予め図１のフローチャートに示す動作（制御ステップ）が記述されたプログラムと、推定された運転指向によって切り替えられる複数の変速線図のデータ（図示せず）と、アクセル開度とエンジン回転数のマップが格納されている。制御回路１３０は、入力した各種制御条件と変速線図に基づいて、自動変速機１０の変速を行う。

次に、運転指向推定部１１５の詳細について説明する。
運転指向推定部１１５は、複数種類の運転操作関連変数のいずれかの算出毎にその運転操作関連変数が入力されて推定演算が起動されるニューラルネットワークＮＮを備え、そのニューラルネットワークＮＮの出力に基づいて車両の運転指向を推定する。

例えば図３に示すように、運転指向推定部１１５は、信号読込手段９６と、前処理手段９８と、運転指向推定手段１００とを備えている。信号読込手段９６は、前記各センサ・検出部９０、１１１、１１２、１１３、１１４、１１６、１２２、１２３などからの検出信号を比較的短い所定の周期で読み込む。信号読込手段９６により読み込まれた検出信号は、前処理手段９８に出力される。

前処理手段９８は、信号読込手段９６により逐次読み込まれた信号から、運転指向を反映する運転操作に密接に関連する複数種類の運転操作関連変数、すなわち車両発進時の出力操作量（アクセルペダル操作量）すなわち車両発進時のスロットル弁開度ＴＡ_ST、加速操作時の出力操作量の最大変化率すなわちスロットル弁開度の最大変化率Ａ_CCMAX、車両の制動操作時の最大減速度Ｇ_NMAX、車両の惰行走行時間Ｔ_COAST、車速一定走行時間Ｔ_VCONST、所定区間内において各センサから入力された信号の区間最大値、運転開始以後における最大車速Ｖ_max、車両の加速度項（加速度入力項）、車両の減速度項（減速度入力項）などをそれぞれ算出する運転操作関連変数算出手段である。運転指向推定手段１００は、前処理手段９８により運転操作関連変数が算出される毎にその運転操作関連変数が許可されて運転指向推定演算を行うニューラルネットワークＮＮを備え、そのニューラルネットワークＮＮの出力である運転指向推定値を出力する。

図３の前処理手段９８には、車両発進時の出力操作量すなわち車両発進時のスロットル弁開度ＴＡ_STを算出する発進時出力操作量算出手段９８ａ、加速操作時における出力操作量の最大変化率すなわちスロットル弁開度の最大変化率Ａ_CCMAXを算出する加速操作時出力操作量最大変化率算出手段９８ｂ、車両の制動操作時の最大減速度Ｇ_NMAXを算出する制動時最大減速度算出手段９８ｃ、車両の惰行走行時間Ｔ_COASTを算出する惰行走行時間算出手段９８ｄ、車速一定走行時間Ｔ_VCONSTを算出する車速一定走行時間算出手段９８ｅ、例えば３秒程度の所定区間内における各センサからの入力信号のうちの最大値を周期的に算出する入力信号区間最大値算出手段９８ｆ、運転開始以後における最大車速Ｖ_maxを算出する最大車速算出手段９８ｇ、車両の加速度項を算出する加速度入力項算出手段９８ｈ、車両の減速度項を算出する減速度入力項算出手段９８ｉなどがそれぞれ備えられている。

上記入力信号区間最大値算出手段９８ｆにおいて算出される所定区間内の入力信号のうちの最大値としては、スロットル弁開度ＴＡ_maxt、車速Ｖ_maxt、エンジン回転速度Ｎ_Emaxtが用いられる。

図３の運転指向推定手段１００に備えられたニューラルネットワークＮＮは、コンピュータプログラムによるソフトウエアにより、或いは電子的素子の結合から成るハードウエアにより生体の神経細胞群をモデル化して構成され得るものであり、例えば図３の運転指向推定手段１００のブロック内に例示されるように構成される。

図３において、ニューラルネットワークＮＮは、ｒ個の神経細胞要素（ニューロン）Ｘ_i（Ｘ₁〜Ｘ_r）から構成された入力層と、ｓ個の神経細胞要素Ｙ_j（Ｙ₁〜Ｙ_s）から構成された中間層と、ｔ個の神経細胞要素Ｚ_k（Ｚ₁〜Ｚ_t）から構成された出力層とから構成された３層構造の階層型である。そして、上記入力層から出力層へ向かって神経細胞要素の状態を伝達するために、結合係数（重み）Ｗ_Xijを有して上記ｒ個の神経細胞要素Ｘ_iとｓ個の神経細胞要素Ｙ_jとをそれぞれ結合する伝達要素Ｄ_Xijと、結合係数（重み）Ｗ_Yjkを有してｓ個の神経細胞要素Ｙ_jとｔ個の神経細胞要素Ｚ_kとをそれぞれ結合する伝達要素Ｄ_Yjkが設けられている。

上記ニューラルネットワークＮＮは、その結合係数（重み）Ｗ_Xij、結合係数（重み）Ｗ_Yjkを所謂誤差逆伝搬学習アルゴリズムによって学習させられたパターン連想型のシステムである。その学習は、前記運転操作関連変数の値と運転指向とを対応させる走行実験によって予め完了させられているので、車両組み立て時では、上記結合係数（重み）Ｗ_Xij、結合係数（重み）Ｗ_Yjkは固定値が与えられている。

上記の学習に際しては、複数の運転者についてそれぞれスポーツ走行指向、通常走行（ノーマル）指向の運転が例えば高速道路、郊外道路、山岳道路、市街道路などの種々の道路において実施され、そのときの運転指向を教師信号とし、教師信号とセンサ信号を前処理したｎ個の指標（入力信号）とがニューラルネットワークＮＮに入力させられる。なお、上記教師信号は運転指向を０から１までの値に数値化し、例えば通常走行指向を０、スポーツ走行指向を１とする。また、上記入力信号は−１から＋１までの間あるいは０から１までの間の値に正規化して用いられる（本実施形態では、０から１までの間の値に正規化して用いられるとする）。

従来技術においては、図４に示すように、「符号ｔ１の時点において旋回判定２１１がＯＮになった場合であって、アクセル操作量（図示せず）が少ない場合」には、前後加速Ｇ又は旋回加速Ｇ（横Ｇ）のグラフ２１３に示すように、前後加速Ｇ２２１が低下する（符号Ｃ１参照）。そのため、｜加速度項｜のグラフ２１４及び｜減速度項｜のグラフ２１５に示すように、｜前後加速Ｇ｜２３１（上記前後加速Ｇ２２１の絶対値）も低下し、よって、ニューラルネットワーク（図３の符号１００参照）に入力される｜加速度項｜及び｜減速度項｜のそれぞれの値（図３の符号９８ｈ、９８ｉ参照）が低下する。その結果、運転者指向度のグラフ２１６に示すように、運転者指向度２５１（図３の符号１００の出力）が低下してしまう。

上記において、｜前後加速Ｇ｜２３１は、｜加速度項｜のグラフ２１４及び｜減速度項｜のグラフ２１５のそれぞれに記載されている。この｜前後加速Ｇ｜２３１を、図４中の点の軌跡で示すと、｜減速度項｜のグラフ２１５のｔ０時点の点Ｐ₄₀からｔ８時点の点Ｐ₄₈までと、｜加速度項｜のグラフ２１４のｔ９時点の点Ｐ₄₉からｔ１２時点の点Ｐ₅₂までとを結んだ線に対応する。

前後加速Ｇ又は旋回加速Ｇのグラフ２１３において、前後加速Ｇ２２１に示すように、ｔ０からｔ８の時点までは減速Ｇが作用し、ｔ９時点以降において加速Ｇが作用している。そのため、従来技術において、ニューラルネットワークに入力される｜加速度項｜の値は、｜加速度項｜のグラフ２１４のｔ０時点からｔ８時点は、点Ｐ₃₀から点Ｐ₃₈に示すように０であり、ｔ９時点以降は、点Ｐ₄₉からＰ₅₂に示すように｜前後加速Ｇ｜２３１と同じ値である。また、ニューラルネットワークに入力される｜減速度項｜の値は、｜減速度項｜のグラフ２１５のｔ０時点からｔ８時点は、点Ｐ₄₀から点Ｐ₄₈に示すように｜前後加速Ｇ｜２３１と同じ値であり、ｔ９時点以降は、点Ｐ₂₄₉からＰ₂₅₂に示すように０である。なお、ニューラルネットワークに入力される値は、正の値に限られるため、ニューラルネットワークの減速度項には、減速度の絶対値が入力される。

これに対して、本実施形態では、図１及び図４に示すように、「旋回判定２１１の成立時（図４のｔ１）かつ｜前後加速Ｇ｜２３１＜｜横Ｇ｜×定数２３３」の時（図１のステップＳ３−Ｙ、図４のｔ３以降ｔ１１まで）、加速度項及び減速度項のそれぞれに｜横Ｇ｜×定数２３３の値を代入することで（ステップＳ５、ステップＳ８）、加速度項及び減速度項のそれぞれの低下が抑制され（図４のＣ２、Ｃ４）、その結果として、運転者指向度２１６の低下が抑制される（Ｃ６）。

以下、図１、図２及び図４を参照して、本実施形態の動作を詳細に説明する。

[ステップＳ１]
図１のステップＳ１では、前後加速Ｇ２２１が算出される。前後加速Ｇ２２１は、加速度センサ９０により検出することができる。前後加速Ｇ２２１は、図４の前後加速Ｇ又は旋回加速Ｇのグラフ２１３に示されている。ステップＳ１の次に、ステップＳ２に進む。

[ステップＳ２]
ステップＳ２では、横Ｇ×定数の値２２３が算出される。まず、横Ｇ２２２が算出され、その横Ｇ２２２に定数が乗算されることにより、横Ｇ×定数の値２２３が算出される。横Ｇ２２２は、加速度センサ９０により検出されることができる。横Ｇ×定数の値２２３の算出は、制御回路１３０の運転指向推定部１１５の加速度入力項算出手段９８ｈ及び減速度入力項算出手段９８ｉにより行われる。ステップＳ２の次に、ステップＳ３に進む。

[ステップＳ３]
ステップＳ３では、制御回路１３０により、｜前後加速Ｇ｜２３１＜｜横Ｇ｜×定数２３３ＡＮＤ旋回判定２１１＝ＯＮであるか否かが判定される。その判定の結果、肯定的に判定された場合には、ステップＳ４に進み、そうでない場合には、ステップＳ９に進む。

｜前後加速Ｇ｜２３１は、上記ステップＳ１で求めた前後加速Ｇ２２１の絶対値である。｜横Ｇ｜×定数２３３は、上記ステップＳ２で求めた横Ｇ２２２の絶対値と定数の積であり、上記ステップＳ２で求めた横Ｇ×定数の値２２３の絶対値に対応する。｜横Ｇ｜×定数２３３は、｜加速度項｜のグラフ２１４及び｜減速度項｜のグラフ２１５に示されている。

上記ステップＳ３の条件のうち、旋回判定２１１はｔ１時点にＯＮになっている。制御回路１３０は、車両の横Ｇ２２２の大きさ等に基づいて、旋回判定２１１の判定を行うことができる。又は、ナビゲーションシステム装置９５から入力した、車両の現在位置とコーナーの入口の位置を示すデータに基づいて、旋回判定２１１の判定を行うことができる。また、｜加速度項｜のグラフ２１４及び｜減速度項｜のグラフ２１５に示すように、ｔ２とｔ３の中間時点で｜横Ｇ｜×定数２３３は、｜前後加速Ｇ｜２３１を上回るため、｜前後加速Ｇ｜＜｜横Ｇ｜×定数のグラフ２１２に示すように、ｔ３時点で｜前後加速Ｇ｜＜｜横Ｇ｜×定数の判定はＯＮになっている。これらのことから、ｔ３の時点からステップＳ３は、肯定的に判定され始める（ｔ０からｔ２までは、ステップＳ３は否定的に判定される）。

一方、旋回判定２１１はｔ１２時点にＯＦＦになっている。また、｜加速度項｜のグラフ２１４及び｜減速度項｜のグラフ２１５に示すように、ｔ１０とｔ１１の中間時点で｜横Ｇ｜×定数２３３は、｜前後加速Ｇ｜２３１以下となるため、｜前後加速Ｇ｜＜｜横Ｇ｜×定数のグラフ２１２に示すように、ｔ１１時点で｜前後加速Ｇ｜＜｜横Ｇ｜×定数の判定はＯＦＦになっている。これらのことから、ｔ１１の時点からステップＳ３は、否定的に判定される。

[ステップＳ４]
ステップＳ４では、制御回路１３０により、前後加速Ｇ２２１≧０であるか否かが判定される。ステップＳ４で肯定的に判定される場合とは、ステップＳ３で肯定的に判定された場合（ｔ３からｔ１０の範囲）のうち、前後加速Ｇ２２１が正であるｔ９からｔ１０の範囲である。一方、ステップＳ４で否定的に判定される場合とは、ステップＳ３で肯定的に判定された場合（ｔ３からｔ１０の範囲）のうち、前後加速Ｇ２２１が負であるｔ３からｔ８の範囲である。ステップＳ４の判定の結果、肯定的に判定された場合（ｔ９からｔ１０の範囲）にはステップＳ５に進み、そうでない場合（ｔ３からｔ８の範囲）にはステップＳ７に進む。

[ステップＳ５]
ステップＳ５では、加速度入力項算出手段９８ｈにより、加速度項に、上記ステップＳ３で求めた｜横Ｇ｜×定数２３３が代入される。即ち、｜加速度項｜のグラフ２１４において、符号Ｃ２に示すように、従来ニューラルネットワークの加速度項に入力されていた点Ｐ₄₉及びＰ₅₀の値に代えて、｜横Ｇ｜×定数２３３の点Ｐ₁₄₉及びＰ₁₅₀がそれぞれ代入される。このように、｜横Ｇ｜×定数２３３の値を代入することにより、加速度項の低下が抑制される。ステップＳ５の次にステップＳ６に進む。

[ステップＳ６]
ステップＳ６では、減速度入力項算出手段９８ｉにより、減速度項に０が代入される。即ち、｜減速度項｜のグラフ２１５において、符号Ｃ５に示すように、点Ｐ₂₅₁及びＰ₂₅₂として０の値が代入される。ステップＳ６の次に、ステップＳ１４に進む。

[ステップＳ７]
ステップＳ７では、加速度入力項算出手段９８ｈにより、加速度項に０が代入される。即ち、｜加速度項｜のグラフ２１４において、符号Ｃ３に示すように、ｔ３からｔ８の範囲の点Ｐ₃₃からＰ₃₈の値として０が代入される。ステップＳ７の次にステップＳ８に進む。

[ステップＳ８]
ステップＳ８では、減速度入力項算出手段９８ｉにより、減速度項に、上記ステップＳ３で求めた｜横Ｇ｜×定数２３３が代入される。即ち、｜減速度項｜のグラフ２１５において、符号Ｃ４に示すように、従来ニューラルネットワークの減速度項に入力されていた点Ｐ₄₃からＰ₄₈の値に代えて、｜横Ｇ｜×定数２３３の点Ｐ₁₄₃からＰ₁₄₈がそれぞれ代入される。このように、｜横Ｇ｜×定数２３３の値を代入することにより、減速度項の低下が抑制される。ステップＳ８の次に、ステップＳ１４に進む。

[ステップＳ９]
ステップＳ９では、制御回路１３０により、前後加速Ｇ２２１≧０であるか否かが判定される。ステップＳ９で肯定的に判定される場合とは、ステップＳ３で否定的に判定された場合（ｔ０からｔ２の範囲とｔ１１以降）のうち、前後加速Ｇ２２１が正であるｔ１１以降である。一方、ステップＳ９で否定的に判定される場合とは、ステップＳ３で否定的に判定された場合（ｔ０からｔ２の範囲とｔ１１以降）のうち、前後加速Ｇ２２１が負であるｔ０からｔ２の範囲である。ステップＳ９の判定の結果、肯定的に判定された場合（ｔ１１以降）にはステップＳ１０に進み、そうでない場合（ｔ０からｔ２の範囲）にはステップＳ１２に進む。

[ステップＳ１０]
ステップＳ１０では、加速度入力項算出手段９８ｈにより、加速度項に、｜前後加速Ｇ｜２３１が代入される。即ち、｜加速度項｜のグラフ２１４において、ｔ１１以降に｜前後加速Ｇ｜２３１の点Ｐ₅₁とＰ₅₂が代入される。ステップＳ１０の次にステップＳ１１に進む。

[ステップＳ１１]
ステップＳ１１では、減速度入力項算出手段９８ｉにより、減速度項に０が代入される。即ち、｜減速度項｜のグラフ２１５において、符号Ｃ５に示すように、ｔ１１以降に点Ｐ₂₅₁とＰ₂₅₂の値として０が代入される。ステップＳ１１の次にステップＳ１４に進む。

[ステップＳ１２]
ステップＳ１２では、加速度入力項算出手段９８ｈにより、加速度項に０が代入される。即ち、｜加速度項｜のグラフ２１４において、符号Ｃ３に示すように、ｔ０からｔ２の範囲の点Ｐ₃₀からＰ₃₂の値として０が代入される。ステップＳ１２の次にステップＳ１３に進む。

[ステップＳ１３]
ステップＳ１３では、減速度入力項算出手段９８ｉにより、減速度項に、｜前後加速Ｇ｜２３１が代入される。即ち、｜減速度項｜のグラフ２１５において、ｔ０からｔ２の範囲に｜前後加速Ｇ｜２３１の点Ｐ₄₀からＰ₄₂が代入される。ステップＳ１３の次にステップＳ１４に進む。

[ステップＳ１４]
ステップＳ１４では、加速度入力項算出手段９８ｈにより、加速度入力項が最終的に算出される。上記ステップＳ５、ステップＳ７、ステップＳ１０、ステップＳ１２の結果に基づいて、加速度入力項が最終的に求められる。このステップＳ１４において求められた加速度入力項の値は、加速度入力項算出手段９８ｈにより、ニューラルネットワークＮＮの入力層の加速度入力項に入力される。

[ステップＳ１５]
ステップＳ１５では、減速度入力項算出手段９８ｉにより、減速度入力項が最終的に算出される。上記ステップＳ６、ステップＳ８、ステップＳ１１、ステップＳ１３の結果に基づいて、減速度入力項が最終的に求められる。このステップＳ１５において求められた減速度入力項の値は、減速度入力項算出手段９８ｉにより、ニューラルネットワークＮＮの入力層の減速度入力項に入力される。

上記のように、加速度入力項算出手段９８ｈ及び減速度入力項算出手段９８ｉからニューラルネットワークＮＮの加速度入力項及び減速度入力項にそれぞれ加速度入力項及び減速度入力項が入力されるとともに、前処理手段９８の他の算出手段９８ａ〜９８ｇなどからそれぞれニューラルネットワークＮＮの入力層に値が入力されると、ニューラルネットワークＮＮの出力値が演算される。運転指向推定手段（ニューラルネットワークＮＮ）１００の出力値に基づいて、運転指向が推定され、その推定された運転指向に基づいて、変速線図が切り替えられる。これにより、運転指向を反映させた自動変速機１０の変速が行なわれる。

以上のように、本実施形態によれば、ニューラルネットワークＮＮの加速度項に入力される値は、ｔ０時点の点₃₀からｔ８時点の点Ｐ₃₈と、ｔ９時点の点Ｐ₁₄₉からｔ１０時点の点Ｐ₁₅₀と、ｔ１１時点の点Ｐ₅₁からｔ１２時点の点Ｐ₅₂とを結んだ線に対応する値である。一方、ニューラルネットワークＮＮの減速度項に入力される値は、ｔ０時点の点Ｐ₄₀からｔ２時点の点Ｐ₄₂と、ｔ３時点の点Ｐ₁₄₃からｔ８時点の点Ｐ₁₄₈と、ｔ９時点の点Ｐ₂₄₉からｔ１２時点の点Ｐ₂₅₂とを結んだ線に対応する値である。

上述したように、従来技術において、ニューラルネットワークに入力される｜加速度項｜の値は、｜加速度項｜のグラフ２１４のｔ０時点からｔ８時点は、点Ｐ₃₀から点Ｐ₃₈に示すように０であり、ｔ９時点以降は、点Ｐ₄₉からＰ₅₂に示すように｜前後加速Ｇ｜２３１と同じ値であった。また、ニューラルネットワークに入力される｜減速度項｜の値は、｜減速度項｜のグラフ２１５のｔ０時点からｔ８時点は、点Ｐ₄₀から点Ｐ₄₈に示すように｜前後加速Ｇ｜２３１と同じ値であり、ｔ９時点以降は、点Ｐ₂₄₉からＰ₂₅₂に示すように０であった。

このことから、ニューラルネットワークの減速度項に入力される値は、従来技術では点Ｐ₄₃から点Ｐ₄₈に相当する値であったところが、本実施形態では点Ｐ₁₄₃から点Ｐ₁₄₈に相当する値に変わり、また、ニューラルネットワークの加速度項に入力される値は、従来技術では点Ｐ₄₉から点Ｐ₅₀に相当する値であったところが、本実施形態では点Ｐ₁₄₉から点Ｐ₁₅₀に相当する値に変わる。よって、符号Ｃ６に示すように、ニューラルネットワークから出力される運転者指向度２１６の低下が抑制され、従来技術における符号２５１に相当する値であったところから、本実施形態では符号２５２に相当する値に上昇する。ｔ８時点までは、加速度項に入力される値は、従来技術の場合と同じく０であるが（ステップＳ７）、減速度項に入力される値が従来技術の場合に比べて大きな値となっているので（ステップＳ８）、ニューラルネットワークから出力される運転者指向度２１６の値が上昇している。

上記のことから、本実施形態によれば、コーナリング中であって、アクセル操作量が少ない場合に、運転者の実際の運転指向とは無関係に、ニューラルネットワークの出力値（運転者指向度）が低下するという従来技術の問題が抑制され、運転指向の推定精度の低下が抑制される。即ち、本実施形態によれば、運転者指向の推定結果と実際の運転者指向との乖離を低減させることができる。

また、上述したように、車両の旋回時にアクセル操作変化量が小さい場合に、運転者の運転指向が変化していないにもかかわらず、ニューラルネットワークから出力される運転者指向度が低下するという問題点を抑制するために、横Ｇ（旋回加速Ｇ）等の旋回時の特徴を示す信号を、ニューラルネットワークに入力する項目に新たに追加することが考えられるが、その場合には、その分、教師データの数が多く、その結果、適合工数（学習に要する工数）の増加や、ニューラルネットワークによる演算時の計算負荷の増加を招く可能性があった。

本実施形態では、上記のように、横Ｇをニューラルネットワークに入力する項目として新たに追加するのではなく、所定の条件の下、前後加速Ｇの代わりに横Ｇに対応する値を代入することにより、ニューラルネットワークの学習を行う際に、教師データとして新たに横Ｇを与える必要がなくなるため、教師データの収集や学習時間の短縮が可能となる。また、横Ｇの情報を新規の入力項としてニューラルネットワークに入力することなく、従来から存在する加速度入力項と減速度入力項から入力することで、ニューラルネットワークに対する入力値の数の増加を回避することができ、運転指向の推定精度を低下させること無く、計算負荷の増加の抑制が可能となる。

（第１実施形態の変形例）
上記第１実施形態では、車両の旋回時には非旋回時とは異なり、所定の条件の下、ニューラルネットワークＮＮの加速度入力層及び減速度入力層のそれぞれに｜前後加速Ｇ｜に代えて、｜横Ｇ｜×定数の値を入力したが（ステップＳ５、ステップＳ８）、この場合、以下のように変形することができる。

即ち、上記第１実施形態のように、非旋回時とは異なり旋回時には所定の条件の下、ステップＳ５及びステップＳ８において、それぞれ、｜前後加速Ｇ｜に代えて、｜横Ｇ｜×定数の値そのもの（｜横Ｇ｜×定数の値を１００％反映させた値）を入力することに代えて、本変形例では、｜横Ｇ｜×定数の値を相対的に大きく（例えば９０％）反映させるとともに、｜前後加速Ｇ｜の値を相対的に小さく（例えば１０％）反映させた値を入力することができる。

上記のように、非旋回時は、ニューラルネットワークＮＮの加速度入力層及び減速度入力層のそれぞれに｜前後加速Ｇ｜の値そのもの（｜前後加速Ｇ｜の値を１００％反映させた値＝｜横Ｇ｜×定数の値を０％反映させた値）を入力する（ステップＳ１０、ステップＳ１３）。このように、旋回時と、非旋回時は、ニューラルネットワークＮＮの加速度入力層及び減速度入力層のそれぞれに、｜前後加速Ｇ｜と｜横Ｇ｜×定数の値の比率（影響度、反映度）を変えた値を入力することができる。

また、上記第１実施形態においてニューラルネットワークＮＮの入力層には、前後方向の加速度そのものに代えて、前後方向の加速度に対して技術的に等価な値（前後方向の加速度に対応する値）を入力してもよく、また、旋回時には、横方向の加速度に対して技術的に等価な値（横方向の加速度に対応する値）を入力することができる。

さらに、上記図１のステップＳ１４及びステップＳ１５では、加速度項及び減速度項にそれぞれ統計的処理を施した結果を最終的な加速度入力項及び減速度入力項にしてもよい。

（第２実施形態）
次に、図５を参照して、第２実施形態について説明する。
なお、第２実施形態において、上記第１実施形態と共通する部分についての説明は省略する。

上記第１実施形態における図１のステップＳ２、ステップＳ３、ステップＳ５、及びステップＳ８の定数（≦１）は、道路環境と走行環境の少なくとも一つに基づいて、変更することができる。例えば、図５に示すように、路面勾配で変更することができる。ニューラルネットワークＮＮを学習させたときの路面勾配に比べて、登坂勾配が大きいほど定数は小さく、また、降坂勾配が大きいほど定数は大きくする。運転指向が変わっていない場合でもあっても、登坂路ではアクセルを踏み込む傾向にあり（従って車速が上がり横Ｇが大きくなる傾向になり）、降坂路ではアクセルを戻す傾向にある（車速が下がり横Ｇが小さくなる傾向にある）ため、定数を変更することにより、横Ｇの項に間して路面勾配の影響を減らす補正するためである。

同様の考え方から、ニューラルネットワークＮＮを学習させたときの条件に比べて、コーナーの曲がり度合いが大きい（コーナーＲが小さい又はコーナーの曲率が大きい）場合には、定数を小さな値に設定する。運転指向が変わっていない場合でもあっても、コーナーの曲がり度合いが大きい場合には、大きな横Ｇが出る傾向にあるためである。

さらに、ニューラルネットワークＮＮを学習させたときの条件に比べて、路面μが小さい場合には定数を大きく設定することができる。この場合には、運転指向が変わっていない場合でもあっても、アクセルを戻す傾向にあるためである。また、ニューラルネットワークＮＮを学習させたときの条件に比べて、連続カーブのようなワインディング路では、定数を小さく設定する。ワインディング路では、大きな横Ｇが出る傾向にあるためである。

また、ニューラルネットワークＮＮを学習させたときの条件に比べて、天候が悪いときには定数を大きくし、また、車両の周囲が暗いほど定数を大きく設定する。これらの場合にも、運転指向が変わっていない場合でもあっても、アクセルを戻す傾向にあるためである。

上記のように、本実施形態によれば、道路環境（路面勾配、コーナーの曲がり度合い、路面μ、連続カーブ）と走行環境（天候、明るさ）の少なくとも一つに基づいて、図１のステップＳ２、ステップＳ３、ステップＳ５、及びステップＳ８の定数（≦１）を変更することにより、運転指向の推定の精度低下を抑制することができる。

さらに、上記においては、運転指向を推定する手段として、ニューラルネットワークＮＮが用いられたが、ニューラルネットワークに限定されず、例えば、遺伝的アルゴリズムのような（人工）知能システム（最適化手法、ソフトコンピューティング）を用いた情報処理機構を用いることができる。このような情報処理機構を用いた場合であっても、情報処理に用いられる入力値の数が少ない方が計算負荷が削減され、また、解の収束性に有利である。

本発明の運転指向推定装置の一実施形態の動作を示すフローチャートである。 本発明の運転指向推定装置の一実施形態が適用された自動変速機の制御装置の概略構成を示すブロック図である。 本発明の運転指向推定装置の一実施形態の要部の概略構成を示すブロック図である。 本発明の運転指向推定装置の一実施形態の動作を示すタイムチャートである。 本発明の運転指向推定装置の他の実施形態で用いるマップデータを説明するための図である。

符号の説明

１０ 自動変速機
４０ エンジン
９０ 加速度センサ
９５ ナビゲーションシステム装置
９６ 信号読込手段
９８ｈ 加速度入力項算出手段
９８ｉ 減速度入力項算出手段
１００ 運転指向推定手段
１１１ ブレーキ操作量検出部
１１２ 路面μ検出・推定部
１１３ アクセル開度検出部
１１４ スロットル開度センサ
１１５ 運転指向推定部
１１６ エンジン回転数センサ
１１８ 道路勾配計測・推定部
１２２ 車速センサ
１２３ シフトポジションセンサ
１３０ 制御回路
１３１ ＣＰＵ
１３３ ＲＯＭ
２１１ 旋回判定
２１２ ｜前後加速Ｇ｜＜｜横Ｇ｜×定数のグラフ
２１３ 前後加速Ｇ又は旋回加速Ｇのグラフ
２１４ ｜加速度項｜のグラフ
２１５ ｜減速度項｜のグラフ
２１６ 運転者指向度
２２２ 横Ｇ
２２３ 横Ｇ×定数の値
２３１ ｜前後加速Ｇ｜
２３２ ｜横Ｇ｜
２３３ ｜横Ｇ｜×定数
２５１ 運転者指向度
２５２ 運転者指向度
ＮＮ ニューラルネットワーク

Claims (9)

1. 車両に作用する前後方向の加速度に対応する値及び横加速度に対応する値の少なくともいずれか一方に基づいて、運転指向を推定する運転指向推定装置であって、
   車両の旋回時と非旋回時とは、前記前後方向の加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値に基づいて、運転指向を推定する
   ことを特徴とする運転指向推定装置。
2. 請求項１記載の運転指向推定装置において、
   前記車両の非旋回時と、前記車両の旋回時であって前記前後方向の加速度に対応する値と前記横加速度に対応する値の関係が予め設定された所定の関係であるときとは、前記前後方向の加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値に基づいて、運転指向を推定する
   ことを特徴とする運転指向推定装置。
3. 請求項２記載の運転指向推定装置において、
   前記前後方向の加速度に対応する値と前記横加速度に対応する値の関係が予め設定された所定の関係であるときとは、前記横加速度に対応する値と予め設定された所定値の積と、前記前後方向の加速度に対応する値の大小関係に関するものである
   ことを特徴とする運転指向推定装置。
4. 請求項２または３に記載の運転指向推定装置において、
   前記車両の非旋回時と、前記車両の旋回時であって前記前後方向の加速度に対応する値と前記横加速度に対応する値の関係が予め設定された所定の関係であり前記前後方向の加速度に対応する値が０以上の値であるときとは、前記前後方向のうち前方向の前記加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値に基づいて、運転指向を推定する
   ことを特徴とする運転指向推定装置。
5. 請求項２から４のいずれか１項に記載の運転指向推定装置において、
   前記車両の非旋回時と、前記車両の旋回時であって前記前後方向の加速度に対応する値と前記横加速度に対応する値の関係が予め設定された所定の関係であり前記前後方向の加速度に対応する値が０未満の値であるときとは、前記前後方向のうち後方向の前記加速度に対応する値及び前記横加速度に対応する値の影響度が異なる値に基づいて、運転指向を推定する
   ことを特徴とする運転指向推定装置。
6. 請求項３記載の運転指向推定装置において、
   前記予め設定された所定値は、道路環境及び走行環境の少なくとも一つに基づいて、異なる値に設定される
   ことを特徴とする運転指向推定装置。
7. 請求項６記載の運転指向推定装置において、
   前記道路環境及び前記走行環境の少なくとも一つに関連して、運転者が相対的にアクセルを戻す操作を行い易い場合には、前記予め設定された所定値が相対的に大きな値に設定される
   ことを特徴とする運転指向推定装置。
8. 請求項６記載の運転指向推定装置において、
   前記道路環境及び前記走行環境の少なくとも一つに関連して、車両に相対的に大きな横加速度が作用し易い場合には、前記予め設定された所定値が相対的に小さな値に設定される
   ことを特徴とする運転指向推定装置。
9. 請求項６から８のいずれか１項に記載の運転指向推定装置において、
   道路環境及び前記走行環境には、路面勾配、路面状態、道路の曲がり度合い、カーブの連続性、天候、明るさの少なくとも一つが含まれる
   ことを特徴とする運転指向推定装置。

Images