[go: up one dir, main page]

WO2019058460A1 - 走行支援方法及び走行支援装置 - Google Patents

走行支援方法及び走行支援装置 Download PDF

Info

Publication number
WO2019058460A1
WO2019058460A1 PCT/JP2017/033920 JP2017033920W WO2019058460A1 WO 2019058460 A1 WO2019058460 A1 WO 2019058460A1 JP 2017033920 W JP2017033920 W JP 2017033920W WO 2019058460 A1 WO2019058460 A1 WO 2019058460A1
Authority
WO
WIPO (PCT)
Prior art keywords
driving
driver
learning
support method
learning result
Prior art date
Application number
PCT/JP2017/033920
Other languages
English (en)
French (fr)
Inventor
ファソン ジャン
平松　真知子
寸田　剛司
Original Assignee
日産自動車株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日産自動車株式会社 filed Critical 日産自動車株式会社
Priority to BR112020005415-1A priority Critical patent/BR112020005415A2/pt
Priority to US16/647,598 priority patent/US20200278685A1/en
Priority to CN201780095062.7A priority patent/CN111108539A/zh
Priority to MX2020002932A priority patent/MX2020002932A/es
Priority to JP2019542871A priority patent/JPWO2019058460A1/ja
Priority to PCT/JP2017/033920 priority patent/WO2019058460A1/ja
Priority to EP17925860.3A priority patent/EP3686862A4/en
Priority to RU2020113690A priority patent/RU2743829C1/ru
Priority to CA3076322A priority patent/CA3076322A1/en
Publication of WO2019058460A1 publication Critical patent/WO2019058460A1/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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/10—Interpretation of driver requests or demands
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/082—Selecting or switching between different modes of propelling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G05D1/0061—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements for transition from automatic pilot to manual pilot and vice versa
    • G—PHYSICS
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0809—Driver authorisation; Driver identity check
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/007—Switching between manual and automatic parameter input, and vice versa
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0082—Automatic parameter input, automatic initialising or calibrating means for initialising the control system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B60W2520/105—Longitudinal acceleration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/043—Identity of occupants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle

Definitions

  • the present invention relates to a travel support method and a travel support device for a vehicle.
  • Patent Document 1 discloses that a driving history for each driver at the time of manual driving is managed, and at the time of automatic driving, a driving style adapted to each individual is provided to a plurality of drivers.
  • Patent Document 1 a sensor for performing face recognition, fingerprint recognition, or the like is required in order to specify a driver who is driving at the time of manual driving.
  • a sensor for performing face recognition, fingerprint recognition, or the like is required in order to specify a driver who is driving at the time of manual driving.
  • the present invention has been made in view of such problems, and the object of the present invention is to specify a driver without requiring a sensor for specifying the driver and an extra operation.
  • a driving support method and a driving support device are provided.
  • the driving support method and the driving support apparatus correspond to the identified driver by using the driving characteristic of the driver during the manual driving and identifying the driver. Run control.
  • FIG. 1 is a block diagram showing a configuration of a driving control system including a driving assistance apparatus according to an embodiment of the present invention.
  • FIG. 2 is a flowchart showing a processing procedure of driving characteristic learning by the driving assistance apparatus according to the embodiment of the present invention.
  • FIG. 3 is a schematic view showing a comparison of unregistered learning results and registered learning results in the driving support apparatus according to an embodiment of the present invention.
  • FIG. 1 is a block diagram showing a configuration of a driving control system 100 including a driving assistance apparatus 11 according to the present embodiment.
  • the driving control system 100 includes a driving support device 11, a driving condition detection unit 21, a surrounding condition detection unit 22, a driving switch 23, a control state presentation unit 61, and an actuator 31.
  • a driving support device 11 includes a driving support device 11, a driving condition detection unit 21, a surrounding condition detection unit 22, a driving switch 23, a control state presentation unit 61, and an actuator 31.
  • the driving support apparatus 11 learns the driving characteristic based on predetermined learning target data among the traveling data obtained during the manual driving of the driver in a vehicle capable of switching between the manual driving and the automatic driving by the driver ((1) Driving characteristic learning) is a controller that executes a process of applying the learning result to travel control of automatic driving.
  • this embodiment demonstrates the case where the driving assistance apparatus 11 is mounted in a vehicle, a communication apparatus is installed in a vehicle, some driving assistance apparatuses 11 are installed in an external server, and the process of an external server is carried out.
  • the driver's driving characteristics may be learned.
  • the driving support device 11 is mounted on a vehicle, it is possible to learn the driving characteristics of the driver who owns or uses the vehicle. Then, learning target data for a predetermined period (for example, the latest one month) can be stored, and can be reflected in the automatic driving of a vehicle owned or used by the driver.
  • learning target data for a predetermined period for example, the latest one month
  • the traveling condition detection unit 21 detects vehicle speed, steering angle, acceleration, inter-vehicle distance with the preceding vehicle, relative velocity with the preceding vehicle, current position, display state of the direction indicator, lighting condition of the headlights, operating condition of the wiper, etc.
  • the traveling data indicating the traveling state of the vehicle is detected.
  • the traveling condition detection unit 21 may be obtained from sensors provided on a brake pedal or an accelerator pedal, sensors for acquiring the behavior of the vehicle such as wheel side sensors or yaw rate sensors, a laser radar, a camera, or sensors thereof.
  • In-vehicle networks and navigation devices such as CAN (Controller Area Network) that communicate the stored data are included.
  • the surrounding condition detection unit 22 includes the number of lanes of the road on which the vehicle travels, the speed limit, the road gradient, the road curvature, the display state of traffic light ahead of the vehicle, the distance to the intersection ahead of the vehicle, the number of vehicles traveling in front of the vehicle, Environment information representing an environment in which the vehicle is traveling is detected, such as the planned route of the intersection ahead and the presence or absence of suspension regulation.
  • the surrounding situation detection unit 22 includes a camera mounted on a vehicle, a laser radar, and a navigation device. Note that the display state of the traffic signal ahead of the vehicle and the presence or absence of the temporary stop regulation may be detected using the road-vehicle communication.
  • the number of vehicles traveling in front of the vehicles may be detected using inter-vehicle communication or a cloud service linked with a smartphone.
  • the planned route of the intersection ahead of the vehicle is acquired from the display state of the navigation device and the turn indicator.
  • the illuminance around the vehicle, the air temperature, and the weather condition are acquired from the illuminance sensor, the outside air temperature sensor, and the wiper switch, respectively.
  • the illuminance may be obtained from the switch of the headlight.
  • the driving switching switch 23 is a switch that is mounted on a vehicle and switches between automatic driving and manual driving when operated by an occupant of the vehicle. For example, it is a switch installed in the steering of a vehicle.
  • the control state presentation unit 61 displays whether the current control state is the manual operation or the automatic operation on the display screen of the meter display unit, the navigation device, a head-up display, or the like. In addition, a notification sound notifying the start and end of automatic driving is also output, and it is also indicated whether learning of driving characteristics has ended.
  • the actuator 31 receives an execution command from the travel support device 11, and drives each part such as an accelerator, a brake, and a steering of the vehicle.
  • the driving support apparatus 11 includes a learning target data storage unit 41, a driving characteristic learning unit 42, a driver identification unit 43, and an automatic driving control execution unit 45.
  • the learning target data storage unit 41 acquires travel data related to the traveling state of the vehicle and environment information related to the traveling environment around the vehicle from the traveling state detection unit 21, the surrounding state detection unit 22, and the driving switching switch 23.
  • predetermined learning target data necessary for learning the driving characteristic of the driver is stored in association with the traveling scene such as the traveling state of the vehicle and the traveling environment.
  • the learning target data storage unit 41 stores, for each driver, predetermined learning target data necessary for learning the driving characteristic of the driver. That is, the learning target data storage unit 41 associates the learning target data with the driver, and classifies and stores the learning target data for each driver.
  • identification of the driver matched with learning object data is performed by the driver specific part 43 mentioned later.
  • the new learning target data input to the learning target data storage unit 41 from the traveling state detection unit 21, the surrounding state detection unit 22, and the driving changeover switch 23 is specified as the driver identification corresponding to the learning target data.
  • the learning target data storage unit 41 is temporarily stored as unregistered learning target data.
  • the learning target data corresponds to the learning target data corresponding to the driver identified by the driver identification unit 43. Is registered in the learning target data storage unit 41.
  • the learning target data is the learning target data registered in the learning target data storage unit 41.
  • the timing which a driver specifies should just be a timing which can specify a driver, for example, the timing which traveled 3 km, the timing which traveled for 10 minutes, the timing which acquired the data of a predetermined amount (100 plots, 1 kilobyte etc. It may be timing at which a predetermined amount of data is acquired.
  • the learning target data storage unit 41 may store the deceleration timing during the manual driving of the driver.
  • the learning target data storage unit 41 follows the preceding vehicle in deceleration timing when stopping at a stop position such as a stop line laid at an intersection or the like, deceleration timing when stopping behind a leading vehicle while stopping.
  • the timing of deceleration may be stored.
  • the learning target data storage unit 41 is a vehicle at the time of the brake operation, such as a brake operation position which is a position for operating the brake with respect to the stop position, a distance to the stop position, a vehicle speed when operating the brake, and acceleration. It may store the behavior of
  • the “deceleration timing” includes the timing at which the driver operates the brake (brake pedal) when the vehicle is stopped at the stop position to operate the brake, the timing at which the vehicle is decelerated, the timing at which the accelerator operation is ended, Alternatively, the timing at which the operation of the brake pedal is started is included. Alternatively, the timing at which the driver's operation amount (depression amount) of the brake pedal becomes equal to or more than the predetermined amount set in advance, and the operation amount (depression amount) of the accelerator pedal by the driver are preset in “deceleration timing". It may include the timing when it becomes less than quantitative. Alternatively, the timing includes the timing when the driver operates the brake and the control amount at the time of the brake operation reaches a preset constant value, or the timing at which the speed of increase of the control amount at the time of the brake operation reaches a certain value. May be
  • deceleration timing refers to the timing at which the brake was actuated (brake start timing), the accelerator off timing (brake start timing), the timing at which the brake control amount reached a certain value, and the increase speed of the brake control amount. Is a concept that includes the timing when the constant value is reached. In other words, it is the timing at which the driver feels the brake operation.
  • the brake in the present embodiment includes a hydraulic brake, an electric brake, and a regenerative brake.
  • a hydraulic brake even if the hydraulic brake, the electric control brake, and the regenerative brake are not in operation, the state in which the deceleration is in operation may be included.
  • the learning target data storage unit 41 may store an inter-vehicle distance between a vehicle and a preceding vehicle while the driver is driving manually.
  • the learning target data storage unit 41 stores, in addition to the inter-vehicle distance, data such as the inter-vehicle distance at a stop, the relative speed with respect to the preceding vehicle, the steering angle, the deceleration, and the continuation time following the preceding vehicle. It may be
  • the learning target data storage unit 41 may store the deceleration start speed when the vehicle stops at the intersection, the braking distance when the vehicle stops at the intersection, and the like. In addition, the learning target data storage unit 41 may store data such as the operation amount of the brake pedal and the accelerator pedal of the vehicle, the vehicle speed and the deceleration, the distance to the stop line of the intersection, etc. .
  • the learning target data storage unit 41 may also store environmental information in which the vehicle is placed.
  • environmental information the number of lanes of the road on which the vehicle travels, road curvature, speed limit, road slope, presence / absence of stop restriction, display condition of traffic light, distance from vehicle to intersection, number of vehicles ahead of vehicle, direction indicator , The weather around the vehicle, the temperature, the illuminance, and the like.
  • the driving characteristic learning unit 42 reads the learning target data stored in the learning target data storage unit 41, and learns the driving characteristic of the driver corresponding to the learning target data in consideration of the traveling state and the degree of influence from the traveling environment. Do. The driving characteristic learning unit 42 learns driving characteristics for each learning target data based on the learning target data (unregistered learning target data and registered learning target data) stored in the learning target data storage unit 41. Do. The driving characteristic learning unit 42 associates the learning result thus calculated with the driver, and classifies and stores the learning result for each driver.
  • the driver identification part 43 mentioned later performs identification of the driver matched with a learning result.
  • the learning result newly calculated by the driving characteristic learning unit 42 is temporarily calculated as an unregistered learning result until the driver identification unit 43 identifies the driver associated with the learning result. It is stored in the learning unit 42. Further, after the driver identification unit 43 identifies the driver associated with the learning result, the learning result corresponds to the driving characteristic as a learning result corresponding to the driver identified by the driver identification unit 43. It is registered in the learning unit 42. As a result, the learning result is a learning result registered in the driving characteristic learning unit 42.
  • the learning performed by the driving characteristic learning unit 42 may be performed in real time simultaneously with storing the learning target data in the learning target data storage unit 41.
  • the learning performed by the driving characteristic learning unit 42 may be performed at predetermined time intervals or at timing when accumulation of a predetermined amount of learning target data is performed in the learning target data storage unit 41. Good.
  • the driver identification unit 43 identifies the driver based on the unregistered learning result temporarily stored in the learning target data storage unit 41. Specifically, the driver identification unit 43 compares the unregistered learning result stored in the learning target data storage unit 41 with the registered learning result.
  • the driver identification unit 43 does not The driver corresponding to the registered learning result is identified as the same person as the registered learning result driver.
  • the driver identification unit 43 If, as a result of comparison in the driver identification unit 43, no registered learning result having a driving characteristic within which the difference between the unregistered learning result and the driving characteristic is within the predetermined value is not found, the driver identification unit 43 The driver corresponding to the unregistered learning result is identified as a new driver (a driver who does not correspond to any registered driver).
  • an approval act for the driver's registration may be requested. This request may be performed using an in-vehicle display or may be performed using a speaker. After requesting the occupant, the occupant's selection may be received by touch input on the display, or the microphone may recognize and receive the occupant's voice.
  • the driver may be requested to input information identifying the driver. This request may be performed using an in-vehicle display or may be performed using a speaker. After requesting the occupant, the occupant's selection may be received by touch input on the display, or the microphone may recognize and receive the occupant's voice.
  • a plurality of learned learning results having driving characteristics within a predetermined value of the difference between the unregistered learning results and the driving characteristics are found, a plurality of learning results are found.
  • the occupant is requested to select one of a plurality of corresponding drivers. This request may be performed using an in-vehicle display or may be performed using a speaker. After requesting the occupant, the occupant's selection may be received by touch input on the display, or the microphone may recognize and receive the occupant's voice.
  • the automatic driving control execution unit 45 executes the automatic driving control when the vehicle travels in the automatic driving section or when the driver selects the automatic driving by the driving switching switch 23. At this time, the automatic driving control execution unit 45 applies the learning result learned by the driving characteristic learning unit 42 to traveling control of automatic driving.
  • the driving support device 11 is composed of a microcomputer, a microprocessor, a general-purpose electronic circuit including a CPU, and peripheral devices such as a memory. Then, the specific program is executed to operate as the above-described learning target data storage unit 41, the driving characteristic learning unit 42, the driver specifying unit 43, and the automatic driving control execution unit 45. Each function of such a travel support device 11 can be implemented by one or more processing circuits.
  • the processing circuitry comprises a programmed processing device such as, for example, a processing device including an electrical circuit, and an application specific integrated circuit (ASIC) or conventional circuitry arranged to perform the functions described in the embodiments. It also includes devices such as parts.
  • step S101 the driving support apparatus 11 determines whether the vehicle is in a manual operation based on the state of the driving switch 23. If the vehicle is in the manual operation, the process proceeds to step S103. If the vehicle is in the automatic operation, the process of the driving characteristic learning is ended and the automatic operation control is executed.
  • the learning target data storage unit 41 detects traveling data related to the traveling state of the vehicle and environment information related to the traveling environment around the vehicle from the traveling state detection unit 21, the surrounding state detection unit 22, and the driving switch.
  • the travel data to be detected includes vehicle speed, steering angle, acceleration, deceleration, inter-vehicle distance with the preceding vehicle, relative velocity with the preceding vehicle, current position, planned route of the front intersection, operation amount of brake pedal and accelerator pedal, It detects the duration during which the preceding vehicle is following, the lighting state of the headlights, the operating state of the wiper, etc.
  • New learning target data including traveling data and environment information is temporarily stored in the learning target data storage unit 41 as unregistered learning target data.
  • step S105 the driving characteristic learning unit 42 corresponds to the learning target data in consideration of the traveling state and the influence degree from the traveling environment based on the learning target data stored in the learning target data storage unit 41. Learn the driver's driving characteristics.
  • the learning result obtained based on the unregistered learning object data is temporarily stored in the driving characteristic learning unit 42 as the unregistered learning result.
  • the driving characteristic learning unit 42 creates a regression model (multiple regression model) to obtain a formula that quantitatively represents the relationship between two or more types of data included in the learning target data, and performs regression analysis (multiple regression). Learning is done by performing analysis.
  • N measurement results (V 1 , D 1 ), (V 2 , D 2 ),..., (V N , D N ) are obtained for two sets of data such as vehicle speed V and inter-vehicle distance D.
  • V ⁇ 1 + ⁇ 2 D (1)
  • the error term ⁇ i is defined by the following equation (2), where ⁇ i is the error from the regression model of the ith measurement result.
  • the parameters ⁇ 1 and ⁇ 2 when minimizing the sum of squares S of the error terms ⁇ i are estimators of the regression coefficients ⁇ 1 and ⁇ 2 appearing in the equation (1), and the least squares estimator L 1 , L Called 2
  • a quantitative relationship between the vehicle speed V and the inter-vehicle distance D can be estimated by determining the least squares estimators L 1 and L 2 .
  • a regression residual Ei is defined by the following equation (3).
  • the regression residual Ei follows a normal distribution (mean 0, standard deviation ⁇ E ). Therefore, to estimate the standard deviation of the regression residuals E i.
  • the estimator of the standard deviation ⁇ E of the regression residual E i is hereinafter referred to as the standard error s E.
  • the standard error s E is defined by the following equation (4).
  • the least squares estimators L 1 and L 2 are linear functions of the regression residual E i considered to follow the normal distribution
  • the least squares estimator L 1 follows the normal distribution (mean ⁇ 1 , standard deviation ⁇ L1 )
  • the least squares estimator L 2 is considered to follow a normal distribution (mean ⁇ 2 , standard deviation ⁇ L2 ). Therefore, the standard deviations ⁇ L1 and ⁇ L2 of the least squares estimator L 1 and L 2 can be estimated based on the equation (3) and the standard error s E.
  • it represents a standard error s L2 an estimate of the standard deviation sigma L1 least squares estimator L 1 standard error s L1, the estimated amount of the least-squares estimator L 2 standard deviations sigma L2.
  • the driving characteristic learning unit 42 learns the driving characteristic based on the learning target data by estimating the least squares estimator [L 1 , L 2 ] and the standard error [s L1 , s L2 ] as described above. .
  • the driving characteristic learning unit 42 calculates the driving characteristic of the learning result obtained from the data to be learned, using the least square estimated amount [L 1 , L 2 ] and the standard error [s L1 , s L2 ] obtained as described above. As, remember.
  • the driving characteristic learning unit 42 may store the number N of data included in the learning target data used for learning.
  • the driving characteristic learning unit 42 may store the traveling frequency of the area in which the vehicle travels, corresponding to the learning target data used for learning.
  • regression analysis is performed using not only the vehicle speed V and the inter-vehicle distance D, but also other plural data. Analysis
  • regression analysis was performed between two data, so two values L 1 and L 2 were obtained as the least squares estimator, but in general, when performing regression analysis between M data, the minimum M values [L 1 , L 2 ,..., L M ] are obtained as squared estimated quantities.
  • M values [s L1 , s L2 ,..., S LM ] are obtained as standard errors corresponding to the least squares estimator.
  • linear model linear regression
  • any model that can be converted to a linear model by functional conversion or the like It is possible to use the method of linear model described above.
  • an elastic model in which the explained variable is proportional to the power of the explanatory variable, or an elastic model (exponential regression) in which the explained variable is proportional to the exponential function of the explanatory variable may be used.
  • a combination of a linear model, an elastic model, and an elastic model may be used.
  • the regression residuals E i considered as normally distributed generally, not necessarily follow a normal distribution.
  • the number N of measurement results is small (for example, when N is less than 30)
  • learning of operating characteristics is performed assuming a distribution other than normal distribution according to the nature of the data. Also good.
  • learning of operating characteristics may be performed on the assumption of a binomial distribution, a Poisson distribution, and a uniform distribution.
  • Non-parametric estimation may be performed to learn driving characteristics.
  • an output error is calculated when training data is input to the neural network, and various parameters of the neural network are calculated to minimize the error.
  • the learning of the driving characteristic may be performed by performing the adjustment of.
  • learning is performed using all the measurement results included in the learning target data, but even if sorting or weighting of measurement results used for learning is performed according to the traveling area in which the vehicle travels Good. For example, the information of the route on which the vehicle travels and the frequency of the place (place of departure, stopover, destination) is determined based on one or more learning target data, and the measurement result included in the learning target data being learned When the measurement is performed in an area where the traveling frequency is high, the contribution of the measurement result to the sum of squares S of the error term ⁇ i used in the regression analysis may be increased.
  • the sum of squares S of the error terms ⁇ i may be defined by the following equation (5) with the weighting parameter W i as the parameter W i .
  • the weighting parameter W i takes a value of 1 with respect to the measurement results used for learning, and the weighting parameter W for the measurement results not used for learning. i takes the value 0.
  • the weighting parameter W i takes a larger value as the traveling frequency of the area corresponding to the measurement results is higher.
  • sorting or weighting the measurement results used for learning allows the driving characteristic of the driver in the area to be driven manually as the traveling frequency of the area where the vehicle travels increases. Can be learned with high priority. As the traveling frequency of the area where the vehicle travels is higher, the driver is considered to be more accustomed to driving in the area, and the driving characteristic of the driver is considered to appear more strongly in the learning target data.
  • the driving characteristics and the standard error are estimated from the learning object data by regression analysis, but based on the frequency distribution (the horizontal axis is the deceleration timing and the vertical axis is the frequency) related to the deceleration timing obtained from the measurement result
  • the mean value and the standard deviation of the deceleration timing may be estimated as the operating characteristic and the standard error, respectively.
  • the average value and standard deviation of the inter-vehicle distance may be estimated as standard error.
  • the average value and standard deviation of the vehicle speed during deceleration operation are the operating characteristics and standard error, respectively. It may be estimated as
  • step S107 the driver specifying unit 43 specifies the driver based on the unregistered learning result temporarily stored in the learning target data storage unit 41. Specifically, the driver identification unit 43 compares the unregistered learning result stored in the learning target data storage unit 41 with the registered learning result.
  • unregistered learning results (the least squares estimator L U and standard error s U as driving characteristics) are obtained, and as the registered learning results, the driver A's learning results (driving As the characteristics, the least squares estimator L A , the standard error s A ), the learning results of the driver B (as the driving characteristics, the least square estimator L B , the standard errors s B ), the learning results of the driver C (as the driving characteristics , Least squares estimator L c , standard error s c ) are already registered.
  • the driver identification unit 43 compares the learning results with each other by performing t-test on the driving characteristic.
  • T UA ⁇ L U ⁇ L A ⁇ / ⁇ s U 2 + s A 2 ⁇ 1/2 (6)
  • the least squares estimator L U and the least squares estimator L A follows a normal distribution, two-sample t-statistic T UA between the learning result of unregistered learned result that the driver A follows the t-distribution.
  • the t distribution has a degree of freedom depending on the learning target data corresponding to the unregistered learning result, the learning target data corresponding to the learning result of the driver A, and the like.
  • the significance level ⁇ may be changed based on the number of measurement results included in the learning target data.
  • the driver identification unit 43 calculates a two-sample t statistic T UB between the unregistered learning result and the driver B's learning result, and further, the unregistered learning result and the driver C's learning Calculate the two-sample t statistic T UC between the results.
  • the driver identification unit 43 calculates a two-sample t statistic between the unregistered learning result and the registered learning result.
  • the driver specifying unit 43 does not compare the above-described learning results.
  • step S109 the driver identification unit 43 determines whether there is a registered learning result that matches the unregistered learning result.
  • the driver identification unit 43 determines that the calculated two-sample t statistic T UA is a value largely deviated from 0, and in particular, the percentage point T in the t distribution in which the absolute value of the two-sample t statistic T UA is determined by the significance level ⁇ . If the value is larger than ⁇ / 2 , the null hypothesis is rejected.
  • the percentage point T ⁇ / 2 refers to the value of a two-sample t statistic such that the upper probability in the t distribution is ⁇ / 2.
  • the set of statistic values to which the null hypothesis should be rejected (rejected area) includes both a positive area outside of zero and a negative area outside of zero, and it is necessary to perform a two-sided test Therefore, the upper probability is set to half the value of the significance level ⁇ .
  • the driver identification unit 43 determines that the unregistered learning result and the driver A's learning result do not match. Furthermore, the driver corresponding to the unregistered learning result is specified as not the driver A.
  • the driver identification unit 43 determines that the unregistered learning result matches the learning result of the driver A. Further, the driver corresponding to the unregistered learning result is specified as the driver A.
  • the driver identification unit 43 compares L U representing the driving characteristic of the unregistered learning result with L A representing the driving characteristic of the driver A's learning result, and the difference between L U and L A is a predetermined value. If it is the following, driver specific part 43 specifies that a driver corresponding to an unregistered study result is driver A of a registered study result.
  • the driver identification unit 43 determines whether the unregistered learning result matches the learning result of the driver B based on the two-sample t statistic TUB , and the unregistered learning result is used as the unregistered learning result. It is specified whether the corresponding driver is the driver B or not. In addition, the driver identification unit 43 determines whether the unregistered learning result matches the driver C's learning result based on the two-sample t statistic value UC , and corresponds to the unregistered learning result. It is specified whether the driver is the driver C or not.
  • the driver identification unit 43 does not A driver corresponding to the learning result of registration is specified as a new driver (a driver who does not correspond to any registered driver).
  • step S109 As a result of comparison in the driver identification unit 43, if there is no registered learning result that matches the unregistered learning result (in the case of NO at step S109), the process proceeds to step S111, and matches with the unregistered learning result. If there is a registered learning result (YES in step S109), the process proceeds to step S113.
  • step S111 the learning target data storage unit 41 registers the unregistered learning target data as learning target data corresponding to a new driver. Further, the driving characteristic learning unit 42 registers an unregistered learning result as a learning result corresponding to a new driver.
  • step S113 as a result of comparison in driver identification unit 43, when there is only one registered learning result that matches the unregistered learning result (YES in step S113), the process proceeds to step S115, and automatic The operation control execution unit 45 applies the registered learning result that matches the unregistered learning result to the automatic driving.
  • step S113 if there are a plurality of registered learning results that match the unregistered learning results (in the case of NO in step S113), the process proceeds to step S117, and the control state presentation unit 61 matches the registered ones. A plurality of driver candidates corresponding to the learning result are displayed.
  • the automatic driving control execution unit 45 Is a registered learning result that matches the unregistered learning result, and applies the learning result of the selected driver to automatic driving.
  • one driving characteristic (one least square estimator) was taken, and the t test for the driving characteristic was performed, but two or more driving characteristics are It may be combined to perform t-test on the operating characteristic. More accurate comparison of learning results and identification of a driver are possible by combining a larger number of driving characteristics than using only one driving characteristic.
  • the unregistered learning result is applied instead of applying the registered learning result to the automatic driving in steps S115 and S119.
  • the learning result obtained by performing learning using both the target data and the learning result corresponding to the specified driver may be applied to automatic driving.
  • step S115 and step S119 the unregistered learning target data is merged with the learning target data of the specified driver, and the learning result based on the newly obtained learning target data is applied to automatic driving. May be By this process, the data size of the learning target data can be increased, and the learning result in which the driving characteristic of the specified driver is more strongly reflected can be applied to the automatic driving.
  • the two-sample t statistic on the assumption that the t distribution is followed may be determined, and a test amount corresponding to the distribution may be calculated.
  • nonparametric estimation may be performed based on learning target data, and learning results may be compared.
  • the learning results may be compared by deep learning (deep learning, machine learning) using a neural network.
  • the comparison between learning results includes various methods as described above.
  • a predetermined probability is calculated based on two or more learning results to be compared, and it is possible to reject or adopt the null hypothesis that “the learning results match” by comparing the probability and the significance level. Any method can be used as a method of comparing learning results in the present invention.
  • the driver in the vehicle capable of switching between the manual driving and the automatic driving by the driver, the driver can The driving control is performed based on the learning result corresponding to the identified driver. As a result, the driver can be identified without requiring a sensor for identifying the driver or an extra operation, and appropriate driving support suitable for the driver can be performed.
  • the driver can be identified based on the driving characteristics during manual driving.
  • the cost can be reduced compared to products equipped with sensors for For example, it is possible to reduce the price of a fingerprint authentication sensor of about 5,000 yen on a mass-produced basis from the manufacturing cost.
  • the driving support method compares the driving characteristic during manual driving with the learning result corresponding to the driver, and is between the driving characteristic during manual driving and the driving characteristic of the learning result.
  • the difference is larger than the predetermined value
  • the driving characteristic during the manual driving may be registered as a learning result of the new driver.
  • the driver can be accurately identified based on the driver's inherent driving characteristics.
  • a new driver not registered can be registered automatically without the need for a driver's special operation.
  • the travel support method according to the present embodiment may require an approval action for registration with the occupant when registering a new driver's learning result.
  • an approval action for registration with the occupant when registering a new driver's learning result.
  • the travel support method may require the occupant to input information for identifying the driver when registering a new driver's learning result. This makes it possible to set a driver corresponding to the learning result. Therefore, when using the learning result after setting, for example, when requesting the driver to select the driver, the passenger can select an appropriate learning result.
  • the input of attributes such as age and gender may be requested.
  • the driving support method compares the driving characteristic during the manual driving with the learning result corresponding to the driver, and is between the driving characteristic during the manual driving and the driving characteristic of the learning result.
  • the driver may be required to select one of a plurality of drivers corresponding to the plurality of learning results found.
  • the user can select whether to perform travel control of automatic driving based on which of a plurality of drivers corresponding to the plurality of learning results found. Furthermore, it is possible to suppress the use of learning results not intended by the user.
  • the driving support method according to the present embodiment may be preferentially used as the driving characteristic during manual driving when specifying the driver as the traveling frequency of the area in which the vehicle travels is higher.
  • the traveling frequency of the area where the vehicle travels is higher, the driver is considered to be more accustomed to driving in the area, and the driving characteristic of the driver is considered to appear more strongly in the learning target data. Therefore, the driver can be specified more accurately by setting the priority based on the traveling frequency of the area.
  • the driving support method uses the deceleration timing during manual operation, the distance between the vehicle and the preceding vehicle, the vehicle speed during deceleration operation, or a combination of these as the driving characteristic during manual operation. It may be Among the driving characteristics that appear in the travel data of the vehicle, the driving characteristics such as the deceleration timing during manual driving, the distance between the vehicle and the preceding vehicle, and the vehicle speed during deceleration operation are driver characteristics even compared to other driving characteristics. It is a driving characteristic that tends to appear. Therefore, the driver can be specified more accurately by using these driving characteristics.
  • the driver identification based on the learning result may not be performed. Therefore, the processing time required to identify the driver can be reduced, and the speed of the entire system can be increased.
  • the driving support method according to the present embodiment may be one in which driving characteristics for each driver are learned by an external server provided outside the vehicle. Thereby, the processing load on the vehicle can be reduced.
  • the external server integrates and manages the learning results from the plurality of vehicles, and the vehicle for which traveling control by automatic driving is necessary is required from the external server By distributing the learning result, the learning result can be taken over among a plurality of vehicles. This makes it possible to execute appropriate driving support suited to the driver. Performing processing on an external server is particularly useful when it is assumed that a driver uses a plurality of vehicles, such as in car shelling.
  • the processing circuitry comprises a programmed processing device, such as a processing device that includes an electrical circuit.
  • the processing device also includes devices such as application specific integrated circuits (ASICs) and conventional circuit components arranged to perform the functions described in the embodiments.
  • ASICs application specific integrated circuits

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Physics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)
  • Regulating Braking Force (AREA)

Abstract

本発明の走行支援方法及び走行支援装置は、運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中の運転特性を用いて運転者を特定し、特定した運転者に対応した走行制御を行う。

Description

走行支援方法及び走行支援装置
　本発明は、車両の走行支援方法及び走行支援装置に関する。
　特許文献１には、手動運転時の運転者ごとの走行履歴を管理し、自動運転時には、複数の運転者に対して、各個人に適合した運転スタイルを提供することが開示されている。
特開２０１６－２１６０２１号公報
　しかしながら、特許文献１に開示された例では、手動運転時に運転を行っている運転者を特定するために、顔認識や指紋認識などを行うためのセンサが必要であった。一方、このような個人を特定するためのセンサを用いずに、運転者によるスイッチ操作に基づいて運転者を特定する方法もあったが、運転者がスイッチを入れ忘れたり、設定漏れがあったりした場合には対応できなかった。
　本発明は、このような課題に鑑みてなされたものであり、その目的とするところは、運転者の特定のためのセンサや余分な操作を必要とせずに運転者の特定を行う、車両の走行支援方法及び走行支援装置を提供することにある。
　上述した課題を解決するために、本発明の一態様に係る走行支援方法及び走行支援装置は、運転者の手動運転中の運転特性を用いて運転者を特定し、特定した運転者に対応した走行制御を行う。
　本発明によれば、手動運転中の運転特性を用いて運転者を特定することができるようにあるため、運転者に合った適切な走行支援を実行することができる。
図１は、本発明の一実施形態に係る走行支援装置を含む運転制御システムの構成を示すブロック図である。 図２は、本発明の一実施形態に係る走行支援装置による運転特性学習の処理手順を示すフローチャートである。 図３は、本発明の一実施形態に係る走行支援装置における、未登録の学習結果と登録済の学習結果の比較の様子を示す模式図である。
　以下、本発明を適用した一実施形態について図面を参照して説明する。
　［運転制御システムの構成］
　図１は、本実施形態に係る走行支援装置１１を含む運転制御システム１００の構成を示すブロック図である。図１に示すように、本実施形態に係る運転制御システム１００は、走行支援装置１１、走行状況検出部２１、周囲状況検出部２２、運転切替スイッチ２３、制御状態提示部６１、及びアクチュエータ３１を備えている。
　走行支援装置１１は、運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中に得られる走行データのうち、所定の学習対象データに基づいて運転特性を学習し（運転特性学習）、この学習結果を自動運転の走行制御に適用する処理を実行するコントローラである。
　また、本実施形態では、走行支援装置１１を車両に搭載した場合について説明するが、車両に通信装置を設置し、走行支援装置１１の一部を外部サーバに設置して、外部サーバの処理によって運転者の運転特性の学習を行ってもよい。走行支援装置１１を車両に搭載した場合には、車両を所有または使用する運転者の運転特性を学習することができる。そして、所定期間（例えば、最新１ヶ月間）の学習対象データを記憶しておき、その運転者が所有または使用する車両の自動運転に反映させることができる。一方、外部サーバに設置した場合には、運転者自身の長期間の学習対象データを用いて学習することができるので、より安定した学習結果を算出することができる。また、学習が完了していないときには、他の運転者の学習対象データを活用して、その地域の平均的な運転者の運転特性を自動運転に反映させることができる。
　走行状況検出部２１は、車速や操舵角、加速度、先行車との車間距離、先行車との相対速度、現在位置、方向指示器の表示状態、ヘッドライトの点灯状態、ワイパーの作動状態等の車両の走行状態を示す走行データを検出する。例えば、走行状況検出部２１には、ブレーキペダルやアクセルペダルに設けられたセンサや、車輪側センサやヨーレートセンサなど車両の挙動を取得するセンサや、レーザレーダ、カメラや、それらのセンサから得られたデータを通信するＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）のような車載ネットワークやナビゲーション装置が含まれる。
　周囲状況検出部２２は、車両が走行する道路の車線数、制限速度、道路勾配、道路曲率、車両前方の信号機の表示状態、車両前方の交差点までの距離、車両前方を走行する車両台数、車両前方の交差点の予定進路、一時停止規制の有無等の、車両が走行している環境を表す環境情報を検出する。例えば、周囲状況検出部２２には、車両に搭載されたカメラやレーザレーダ、ナビゲーション装置が含まれる。なお、車両前方の信号機の表示状態や一時停止規制の有無は路車間通信を利用して検出してもよい。車両前方を走行する車両台数は車車間通信やスマートフォンと連携したクラウドサービスを利用して検出してもよい。車両前方の交差点の予定進路はナビゲーション装置や方向指示器の表示状態等から取得する。さらに、車両周囲の照度、気温、天候状態を照度センサ、外気温センサ、ワイパースイッチからそれぞれ取得する。ただし、照度はヘッドライトのスイッチから取得してもよい。
　運転切替スイッチ２３は、車両に搭載され、車両の乗員が操作することによって自動運転と手動運転の切り替えを行うスイッチである。例えば、車両のステアリングに設置されたスイッチである。
　制御状態提示部６１は、現在の制御状態が手動運転であるか自動運転であるかをメータ表示部やナビゲーション装置の表示画面、ヘッドアップディスプレイ等に表示する。また、自動運転の開始、終了を伝える報知音も出力し、運転特性の学習が終了したか否かも提示する。
　アクチュエータ３１は、走行支援装置１１からの実行指令を受信して、車両のアクセルやブレーキ、ステアリング等の各部を駆動する。
　次に、走行支援装置１１を構成する各部について説明する。走行支援装置１１は、学習対象データ記憶部４１、運転特性学習部４２、運転者特定部４３、自動運転制御実行部４５を備えている。
　学習対象データ記憶部４１は、走行状況検出部２１、周囲状況検出部２２、運転切替スイッチ２３から車両の走行状態に関する走行データや車両周囲の走行環境に関する環境情報を取得し、取得した走行データ及び環境情報のうち、運転者の運転特性の学習のために必要な所定の学習対象データを、車両の走行状態や走行環境などの走行シーンと関連付けて記憶する。
　なお、学習対象データ記憶部４１は、運転者ごとに、運転者の運転特性の学習のために必要な所定の学習対象データを記憶する。すなわち、学習対象データ記憶部４１は、学習対象データと運転者を対応付け、学習対象データを運転者ごとに分類して記憶する。
　なお、学習対象データに対応付けられる運転者の特定は、後述する運転者特定部４３によって行う。走行状況検出部２１、周囲状況検出部２２、運転切替スイッチ２３から学習対象データ記憶部４１に入力された新たな学習対象データは、当該学習対象データに対応付けられる運転者の特定が運転者特定部４３によって行われるまでの間、未登録の学習対象データとして、学習対象データ記憶部４１に一時的に記憶される。また、当該学習対象データに対応付けられる運転者の特定が運転者特定部４３によって行われた後には、運転者特定部４３によって特定された運転者に対応する学習対象データとして、当該学習対象データは学習対象データ記憶部４１に登録される。その結果、当該学習対象データは、学習対象データ記憶部４１に登録済の学習対象データとなる。なお、運転者の特定するタイミングは、運転者を特定できるタイミングであればよく、例えば、３ｋｍ走行したタイミング、１０分間走行したタイミング、所定量のデータを取得したタイミング（１００プロット、１キロバイト等の所定量のデータを取得したタイミング）であってもよい。
　学習対象データ記憶部４１は、運転者の手動運転中の減速タイミングを記憶するものであってもよい。学習対象データ記憶部４１は、交差点等に敷設された停止線等の停止位置で停止する場合の減速タイミング、停車中の先行車両の後方で停止する場合の減速タイミング、先行車に追従して走行している場合の減速タイミングなどを記憶するものであってもよい。さらに、学習対象データ記憶部４１は、停止位置に対してブレーキを作動させる位置であるブレーキ作動位置、停止位置に対しての距離、ブレーキを作動させる時の車速、加速度など、ブレーキ操作時の車両の挙動を記憶するものであってもよい。
　「減速タイミング」には、車両を停止位置で停止させる際に運転者がブレーキ（ブレーキペダル）を操作しブレーキが作動するタイミング、車両に減速度が働いたタイミング、アクセルの操作を終了したタイミング、あるいはブレーキペダルの操作を開始したタイミングが含まれる。あるいは、「減速タイミング」には、運転者によるブレーキペダルの操作量（踏込量）が予め設定した所定量以上となったタイミング、運転者によるアクセルペダルの操作量（踏込量）が予め設定した所定量以下となったタイミングを含むものであってもよい。あるいは、運転者がブレーキを操作し、ブレーキ操作時の制御量が予め設定した一定値に達したタイミング、あるいは、ブレーキ操作時の制御量の上昇速度が一定値に達したタイミングを含むものであってもよい。
　すなわち、ブレーキ作動による所定の減速には至っていないが、ブレーキの制御量、あるいは制御量の上昇速度が一定値に達したタイミングを「減速タイミング」としてもよい。すなわち、「減速タイミング」とは、ブレーキが作動したタイミング（ブレーキ開始タイミング）、アクセルオフのタイミング（ブレーキ開始タイミング）、ブレーキの制御量が一定値に達したタイミング、及びブレーキの制御量の上昇速度が一定値に達したタイミングを含む概念である。言い換えれば、運転者がブレーキ操作を感じるタイミングである。
　本実施形態におけるブレーキには、油圧ブレーキ、電制ブレーキ、回生ブレーキ、が含まれる。なお、油圧ブレーキ、電制ブレーキ、回生ブレーキが作動していなくても減速度が働いている状態も含むようにしてよい。
　また、学習対象データ記憶部４１は、運転者の手動運転中における、車両の先行車との車間距離を記憶するものであってもよい。学習対象データ記憶部４１は、車間距離の他にも、停止中の車間距離や先行車との相対速度、操舵角、減速度、先行車に追従している継続時間等のデータを記憶するものであってもよい。
　また、学習対象データ記憶部４１は、車両が交差点で停止する場合の減速開始速度や、車両が交差点で停止する場合の制動距離等を記憶するものであってもよい。また、学習対象データ記憶部４１は、減速操作中の、車両のブレーキペダル及びアクセルペダルの操作量や車速及び減速度、交差点の停止線までの距離等のデータを記憶するものであってもよい。
　その他にも、学習対象データ記憶部４１は、車両が置かれている環境情報についても記憶するものであってもよい。環境情報としては、車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無、信号機の表示状態、車両から交差点までの距離、車両前方の車両台数、方向指示器の表示状態、車両の周辺の天候、気温、又は照度等などが挙げられる。
　運転特性学習部４２は、学習対象データ記憶部４１で記憶された学習対象データを読み出し、走行状態及び走行環境からの影響度合いを考慮して、学習対象データに対応する運転者の運転特性を学習する。なお、運転特性学習部４２は、学習対象データ記憶部４１に記憶された学習対象データ（未登録の学習対象データと登録済の学習対象データ）に基づいて、学習対象データごとに運転特性を学習する。運転特性学習部４２は、こうして算出された学習結果と運転者を対応付け、学習結果を運転者ごとに分類して記憶する。
　なお、学習結果に対応付けられる運転者の特定は、後述する運転者特定部４３によって行う。運転特性学習部４２によって新たに算出された学習結果は、当該学習結果に対応付けられる運転者の特定が運転者特定部４３によって行われるまでの間、未登録の学習結果として一時的に運転特性学習部４２に記憶される。また、当該学習結果に対応付けられる運転者の特定が運転者特定部４３によって行われた後には、運転者特定部４３によって特定された運転者に対応する学習結果として、当該学習結果は運転特性学習部４２に登録される。その結果、当該学習結果は、運転特性学習部４２に登録済の学習結果となる。
　運転特性学習部４２によって行われる学習は、学習対象データ記憶部４１において学習対象データを記憶するのと同時にリアルタイムで実行されるものであってもよい。もしくは、運転特性学習部４２によって行われる学習は、所定の時間毎、あるいは、学習対象データ記憶部４１において一定量の学習対象データの蓄積が行われたタイミングで、実行されるものであってもよい。
　運転者特定部４３は、学習対象データ記憶部４１に一時的に記憶されている未登録の学習結果に基づき、運転者を特定する。具体的には、運転者特定部４３は、学習対象データ記憶部４１に記憶されている未登録の学習結果と登録済の学習結果とを比較する。
　運転者特定部４３における比較の結果、未登録の学習結果の運転特性との差が所定値以内の運転特性を有する登録済の学習結果が見つかった場合には、運転者特定部４３は、未登録の学習結果に対応する運転者が、登録済の学習結果の運転者と同一人物であると特定する。
　運転者特定部４３における比較の結果、未登録の学習結果の運転特性との差が所定値以内の運転特性を有する登録済の学習結果が見つからなかった場合には、運転者特定部４３は、未登録の学習結果に対応する運転者は、新規の運転者（登録済のいずれの運転者にも該当しない運転者）であると特定する。
　運転特性学習部４２に新規の運転者の学習結果を登録する場合には、乗員に登録する事に対する承認行為を要求するようにしてもよい。この要求は、車内のディスプレイを用いて実行してもよく、またスピーカーを用いて実行するようにしてもよい。乗員に要求した後、乗員による選択は、ディスプレイ上でのタッチ入力により受け取ってもよく、またマイクにより乗員の音声を認識して受け取るようにしてもよい。
　運転特性学習部４２に新規の運転者の学習結果を登録する場合には、乗員に運転者を特定する情報の入力を要求するようにしてもよい。この要求は、車内のディスプレイを用いて実行してもよく、またスピーカーを用いて実行するようにしてもよい。乗員に要求した後、乗員による選択は、ディスプレイ上でのタッチ入力により受け取ってもよく、またマイクにより乗員の音声を認識して受け取るようにしてもよい。
　運転者特定部４３における比較の結果、未登録の学習結果の運転特性との差が所定値以内の運転特性を有する登録済の学習結果が複数見つかった場合には、見つかった複数の学習結果に対応する複数の運転者のいずれかの選択を乗員に要求する。この要求は、車内のディスプレイを用いて実行してもよく、またスピーカーを用いて実行するようにしてもよい。乗員に要求した後、乗員による選択は、ディスプレイ上でのタッチ入力により受け取ってもよく、またマイクにより乗員の音声を認識して受け取るようにしてもよい。
　自動運転制御実行部４５は、車両が自動運転区間を走行する場合や運転者が運転切替スイッチ２３により自動運転を選択した場合に、自動運転制御を実行する。このとき、自動運転制御実行部４５は、運転特性学習部４２で学習した学習結果を自動運転の走行制御に適用する。
　なお、走行支援装置１１は、マイクロコンピュータ、マイクロプロセッサ、ＣＰＵを含む汎用の電子回路とメモリ等の周辺機器から構成されている。そして、特定のプログラムを実行することにより、上述した学習対象データ記憶部４１、運転特性学習部４２、運転者特定部４３、自動運転制御実行部４５として動作する。このような走行支援装置１１の各機能は、１または複数の処理回路によって実装することができる。処理回路は、例えば電気回路を含む処理装置等のプログラムされた処理装置を含み、また実施形態に記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や従来型の回路部品のような装置も含んでいる。
　［運転特性学習の処理手順］
　次に、本実施形態に係る走行支援装置１１による運転特性学習の処理手順を図２のフローチャートを参照して説明する。図２に示す運転特性学習の処理は、車両のイグニッションがオンされると開始する。
　図２に示すように、まずステップＳ１０１において、走行支援装置１１は、運転切替スイッチ２３の状態により車両が手動運転であるか否かを判定する。車両が手動運転である場合にはステップＳ１０３に進み、自動運転である場合には運転特性学習の処理を終了して自動運転制御を実行する。
　ステップＳ１０３において、学習対象データ記憶部４１は、走行状況検出部２１、周囲状況検出部２２、運転切替スイッチ２３から車両の走行状態に関する走行データと車両周囲の走行環境に関する環境情報を検出する。検出される走行データとしては、車速、操舵角、加速度、減速度、先行車との車間距離、先行車との相対速度、現在位置、前方交差点の予定進路、ブレーキペダル及びアクセルペダルの操作量、先行車に追従している継続時間、ヘッドライトの点灯状態、ワイパーの作動状態等を検出する。また、環境情報としては、車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無、信号機の表示状態、車両から交差点までの距離、車両前方の車両台数、方向指示器の表示状態、車両の周辺の天候、気温、又は照度等などを検出する。走行データ及び環境情報からなる、新たな学習対象データは、未登録の学習対象データとして、学習対象データ記憶部４１に一時的に記憶される。
　次に、ステップＳ１０５において、運転特性学習部４２は、学習対象データ記憶部４１で記憶された学習対象データに基づいて走行状態及び走行環境からの影響度合いを考慮して、学習対象データに対応する運転者の運転特性を学習する。未登録の学習対象データに基づいて得られた学習結果は、未登録の学習結果として、運転特性学習部４２に一時的に記憶される。
　ここで、運転特性学習部４２は、学習対象データに含まれる２種類以上のデータ間の関係を定量的に表す式を求めるため、回帰モデル（重回帰モデル）を作成し、回帰分析（重回帰分析）を行うことで学習を行う。
　具体例として、学習対象データとして、減速操作中における車速Ｖと車間距離Ｄのデータが得られている場合を考える。車速Ｖと車間距離Ｄという２種類のデータの組について、Ｎ個の測定結果（Ｖ１，Ｄ１），（Ｖ２，Ｄ２），・・・，（ＶＮ，ＤＮ）が得られているとして、以下では、ｉ番目の測定結果を（Ｖｉ，Ｄｉ）（ただしｉ＝１，２，・・・，Ｎ）として表記する。
　β１、β２を回帰係数、車間距離Ｄを説明変数（独立変数）、車速Ｖを目的変数（従属変数、被説明変数）として、次の式（１）によって表される線形モデルが成立すると仮定する。
　　Ｖ＝β１＋β２Ｄ　　・・・（１）
　ｉ番目の測定結果の回帰モデルからの誤差をεｉとして、次の式（２）によって誤差項εｉを定義する。
　　εｉ＝Ｖｉ－（β１＋β２Ｄｉ）　　　（ただしｉ＝１，２，・・・，Ｎ）　　・・・（２）
　式（２）において、β１、β２をパラメータとして、誤差項εｉの平方和Ｓ（ここで、Ｓ＝Σεｉ ２であり、ｉ＝１，２，・・・，Ｎ）を最小とする最小二乗法を用いることにより、車速Ｖと車間距離Ｄという２種類のデータの組についての、Ｎ個の測定結果の間にある関係を定量的に表す式を推定できる。誤差項εｉの平方和Ｓを最小にするときのパラメータβ１、β２は、式（１）に登場する回帰係数β１、β２の推定量であり、最小二乗推定量Ｌ１、Ｌ２と呼ばれる。最小二乗推定量Ｌ１、Ｌ２を決定することにより、車速Ｖと車間距離Ｄの間にある定量的な関係を推定できる。
　最小二乗推定量Ｌ１、Ｌ２に基づき、次の式（３）によって回帰残差Ｅｉを定義する。
　　Ｅｉ＝Ｖｉ－（Ｌ１＋Ｌ２Ｄｉ）　　　（ただしｉ＝１，２，・・・，Ｎ）　　・・・（３）
　回帰分析の対象となっている学習対象データにおいて、測定結果の数Ｎが十分大きい場合には、回帰残差Ｅｉは正規分布（平均０、標準偏差σＥ）に従うものと考えられる。そこで、回帰残差Ｅｉの標準偏差を推定する。以下では回帰残差Ｅｉの標準偏差σＥの推定量を標準誤差ｓＥとする。標準誤差ｓＥは、次の式（４）によって定義される。
　　ｓＥ＝｛（ΣＥｉ ２）／（Ｎ－２）｝１／２　　・・・（４）
　ここで、標準誤差ｓＥの定義において回帰残差Ｅｉの平方和（ΣＥｉ ２）を（Ｎ－２）で割るのは、最小二乗推定量が２個存在することと関係している。標準誤差ｓＥの不変性を保つため、平方和（ΣＥｉ ２）を（Ｎ－２）で割っている。
　最小二乗推定量Ｌ１、Ｌ２は、正規分布に従うものと考えられる回帰残差Ｅｉの線形関数であるから、最小二乗推定量Ｌ１は正規分布（平均β１、標準偏差σＬ１）に従い、最小二乗推定量Ｌ２は正規分布（平均β２、標準偏差σＬ２）に従うものと考えられる。そこで、式（３）、及び、標準誤差ｓＥに基づいて、最小二乗推定量Ｌ１、Ｌ２の標準偏差σＬ１、σＬ２を推定できる。以下では、最小二乗推定量Ｌ１の標準偏差σＬ１の推定量を標準誤差ｓＬ１、最小二乗推定量Ｌ２の標準偏差σＬ２の推定量を標準誤差ｓＬ２と表す。
　運転特性学習部４２は、上述のように最小二乗推定量［Ｌ１，Ｌ２］及び標準誤差［ｓＬ１，ｓＬ２］を推定することで、学習対象データに基づいて運転特性の学習を行う。運転特性学習部４２は、このようにして得られた最小二乗推定量［Ｌ１，Ｌ２］及び標準誤差［ｓＬ１，ｓＬ２］を、学習対象データから得られた学習結果についての運転特性として、記憶する。
　その他、運転特性学習部４２は、学習に用いた学習対象データに含まれるデータの数Ｎを記憶するものであってもよい。運転特性学習部４２は、学習に用いた学習対象データに対応する、車両が走行したエリアの走行頻度を記憶するものであってもよい。
　上述では、車速Ｖと車間距離Ｄの間の回帰モデルを例として挙げたが、車速Ｖ、車間距離Ｄだけでなく、その他の２以上の複数のデータを用いて、同様の回帰分析（重回帰分析）を行うものであってもよい。上述では、２つのデータ間の回帰分析を行ったため、最小二乗推定量として２個の値Ｌ１，Ｌ２が得られたが、一般にＭ個のデータ間の回帰分析を行う場合には、最小二乗推定量としてＭ個の値［Ｌ１，Ｌ２，・・・，ＬＭ］が得られる。同様に、最小二乗推定量に対応する標準誤差としてＭ個の値［ｓＬ１，ｓＬ２，・・・，ｓＬＭ］が得られる。
　また、上述では、回帰モデルとして、データ間の線形的な関係を仮定する線形モデル（線形回帰）を挙げたが、線形モデル以外にも、関数変換等によって線形モデルに変換可能なモデルであれば、上述の線形モデルの方法を利用することが可能である。例えば、被説明変数が説明変数のべき乗に比例する弾性モデルや、被説明変数が説明変数の指数関数に比例する弾性モデル（指数回帰）を用いるものであってもよい。線形モデル、弾性モデル、弾性モデルの組み合わせを用いるものであってもよい。
　なお、上述では、測定結果の数Ｎが十分大きい場合に、回帰残差Ｅｉは正規分布に従うものと考えたが、一般には、正規分布に従うとは限らない。例えば、測定結果の数Ｎが小さい場合（例えば、Ｎが３０未満の場合）には、データの性質に合わせて、正規分布以外の分布を仮定して、運転特性の学習を行うものであっても良い。例えば、正規分布以外に、二項分布、ポアソン分布、一様分布を仮定して、運転特性の学習を行うものであってもよい。ノンパラメトリック推定を行って、運転特性の学習を行うものであってもよい。
　上述の他、ニューラルネットワークを用いたディープラーニング（深層学習、機械学習）のように、訓練データをニューラルネットワークへ入力した際の出力誤差を計算し、誤差が最小となるようにニューラルネットワークの各種パラメータの調整を行うことにより、運転特性の学習を行うものであってもよい。
　また、上述では、学習対象データに含まれる測定結果をすべて用いて学習を行うものとしたが、車両が走行する走行エリアに応じて、学習に用いる測定結果の選別、あるいは重みづけを行ってもよい。例えば、車両が走行するルート、場所（出発地、経由地、目的地）の頻度の情報を１つもしくは複数の学習対象データに基づいて決定し、学習中の学習対象データに含まれる測定結果が、走行頻度が高いエリアにおいて測定されたものである場合には、回帰分析において使用する誤差項εｉの平方和Ｓへの当該測定結果の寄与が高くなるようにしてもよい。
　具体的には、重みづけのパラメータＷｉをとして、次の式（５）によって誤差項εｉの平方和Ｓを定義してもよい。ここで、学習に用いる測定結果の選別を行う場合には、学習に用いる測定結果に対して重みづけのパラメータＷｉは値１をとり、学習に用いない測定結果に対して重みづけのパラメータＷｉは値０をとる。学習に用いる測定結果の重みづけを行う場合には、重みづけのパラメータＷｉは、測定結果に対応するエリアの走行頻度が高いほど、大きな値をとる。
　　Ｓ＝Σ（Ｗｉ・εｉ ２）　　・・・（５）
　車両が走行する走行エリアに応じて、学習に用いる測定結果の選別、あるいは重みづけを行うことにより、車両が走行するエリアの走行頻度が高いほど、当該エリアにおける運転者の手動運転中の運転特性を高い優先度で学習することができる。車両が走行するエリアの走行頻度が高いほど、運転者は、当該エリアの運転に慣れていると考えられ、運転者の運転特性がより強く学習対象データに現れると考えられる。
　なお、上述では、回帰分析によって学習対象データから運転特性及び標準誤差を推定していたが、測定結果から得られる、減速タイミングに関する頻度分布（横軸が減速タイミング、縦軸がその頻度）に基づき、減速タイミングの平均値及び標準偏差を、それぞれ運転特性及び標準誤差として推定するものであってもよい。その他にも、測定結果から得られる、車両の先行車との車間距離に関する頻度分布（横軸が車間距離、縦軸がその頻度）に基づき、車間距離の平均値及び標準偏差を、それぞれ運転特性及び標準誤差として推定するものであってもよい。また、測定結果から得られる、減速操作中の車速に関する頻度分布（横軸が車速、縦軸がその頻度）に基づき、減速操作中の車速の平均値及び標準偏差を、それぞれ運転特性及び標準誤差として推定するものであってもよい。
　次に、ステップＳ１０７において、運転者特定部４３は、学習対象データ記憶部４１に一時的に記憶されている未登録の学習結果に基づき、運転者を特定する。具体的には、運転者特定部４３は、学習対象データ記憶部４１に記憶されている未登録の学習結果と登録済の学習結果とを比較する。
　図３に示すように、未登録の学習結果（運転特性として、最小二乗推定量ＬＵ、標準誤差ｓＵ）が得られており、登録済みの学習結果として、運転者Ａの学習結果（運転特性として、最小二乗推定量ＬＡ、標準誤差ｓＡ）、運転者Ｂの学習結果（運転特性として、最小二乗推定量ＬＢ、標準誤差ｓＢ）、運転者Ｃの学習結果（運転特性として、最小二乗推定量ＬＣ、標準誤差ｓＣ）がすでに登録済みであるとする。
　運転者特定部４３は、運転特性についてのｔ検定を行うことにより、学習結果同士の比較を行う。
　未登録の学習結果と運転者Ａの学習結果の間の比較を行う場合には、運転者特定部４３は、帰無仮説を「ＬＵ＝ＬＡ」、対立仮説を「ＬＵ≠ＬＡ」とし、次の式（６）で定義される２標本ｔ統計量を定義する。
　　ＴＵＡ＝｛ＬＵ－ＬＡ｝／｛ｓＵ ２＋ｓＡ ２｝１／２　　・・・（６）
　最小二乗推定量ＬＵ及び最小二乗推定量ＬＡが正規分布に従う場合、未登録の学習結果と運転者Ａの学習結果の間の２標本ｔ統計量ＴＵＡはｔ分布に従う。当該ｔ分布は、未登録の学習結果に対応する学習対象データ及び運転者Aの学習結果に対応する学習対象データ等に依存した自由度を有する。
　運転者特定部４３は、２標本ｔ統計量ＴＵＡを計算して有意水準α＝０．０５で検定を行う。すなわち、有意差ありとみなす水準を５％とする。
　なお、有意水準αは、学習対象データに含まれる測定結果の数に基づいて変更してもよい。
　同様にして、運転者特定部４３は、未登録の学習結果と運転者Ｂの学習結果の間の２標本ｔ統計量ＴＵＢを計算し、さらに、未登録の学習結果と運転者Ｃの学習結果の間の２標本ｔ統計量ＴＵＣを計算する。
　このように、運転者特定部４３は、未登録の学習結果と登録済の学習結果との間の、２標本ｔ統計量を計算する。なお、学習対象データ記憶部４１に登録済の学習結果が記憶されていない場合には、運転者特定部４３は、上述の学習結果同士の比較を行わない。
　次に、ステップＳ１０９において、運転者特定部４３は、未登録の学習結果と一致する登録済の学習結果が存在するか否かを判定する。
　運転者特定部４３は、計算した２標本ｔ統計量ＴＵＡが０から大きく外れた値となり、特に、２標本ｔ統計量ＴＵＡの絶対値が、有意水準αによって定まるｔ分布におけるパーセント点Ｔα／２よりも大きな値となった場合には、帰無仮説を棄却する。
　ここで、パーセント点Ｔα／２とは、ｔ分布における上側確率がα／２となる２標本ｔ統計量の値をいう。帰無仮説を棄却すべき統計量の値の集合（棄却域）が、０から外れた正の領域と、０から外れた負の領域の両方を含んでおり、両側検定を行う必要があることから、上側確率を有意水準αの半分の値としている。
　運転者特定部４３は、帰無仮説「ＬＵ＝ＬＡ」が棄却された場合には、未登録の学習結果と運転者Ａの学習結果は一致しないと判定する。さらに、未登録の学習結果に対応する運転者は運転者Ａではないと特定する。
　一方、運転者特定部４３は、帰無仮説「ＬＵ＝ＬＡ」が採択される場合（棄却されない場合）には、未登録の学習結果と運転者Ａの学習結果は一致すると判断する。さらに、未登録の学習結果に対応する運転者は運転者Ａであると特定する。
　すなわち、運転者特定部４３は、未登録の学習結果の運転特性を表すＬＵと運転者Ａの学習結果の運転特性を表すＬＡとを比較し、ＬＵとＬＡの差が所定値以下であれば、運転者特定部４３は、未登録の学習結果に対応する運転者が、登録済の学習結果の運転者Ａであると特定する。
　同様にして、運転者特定部４３は、２標本ｔ統計量ＴＵＢに基づいて、未登録の学習結果と運転者Ｂの学習結果が一致するか否かを判定し、未登録の学習結果に対応する運転者が運転者Ｂであるか否かを特定する。また、運転者特定部４３は、２標本ｔ統計量ＴＵＣに基づいて、未登録の学習結果と運転者Ｃの学習結果が一致するか否かを判定し、未登録の学習結果に対応する運転者が運転者Ｃであるか否かを特定する。
　なお、未登録の学習結果と一致する登録済の学習結果が見つからない場合や、学習対象データ記憶部４１に登録済の学習結果が記憶されていない場合には、運転者特定部４３は、未登録の学習結果に対応する運転者が、新規の運転者（登録済のいずれの運転者にも該当しない運転者）であると特定する。
　運転者特定部４３における比較の結果、未登録の学習結果と一致する登録済の学習結果が存在しない場合（ステップＳ１０９でＮＯの場合）にはステップＳ１１１に進み、未登録の学習結果と一致する登録済の学習結果が存在する場合（ステップＳ１０９でＹＥＳの場合）には、ステップＳ１１３に進む。
　ステップＳ１１１において、学習対象データ記憶部４１は、未登録の学習対象データを新規の運転者に対応する学習対象データとして登録する。また、運転特性学習部４２は、未登録の学習結果を新規の運転者に対応する学習結果として登録する。
　ステップＳ１１３において、運転者特定部４３における比較の結果、未登録の学習結果と一致する登録済の学習結果が１つしか存在しない場合（ステップＳ１１３でＹＥＳの場合）にはステップＳ１１５に進み、自動運転制御実行部４５は、未登録の学習結果と一致する登録済の学習結果を自動運転に適用する。
　ステップＳ１１３において、未登録の学習結果と一致する登録済の学習結果が複数存在する場合（ステップＳ１１３でＮＯの場合）には、ステップＳ１１７に進み、制御状態提示部６１は、一致する登録済の学習結果に対応する複数の運転者の候補を表示する。
　ステップＳ１１９において、走行支援装置１１の利用者によって、制御状態提示部６１に表示された複数の運転者の候補の中から１人の運転者が選択された場合には、自動運転制御実行部４５は、未登録の学習結果と一致する登録済の学習結果であって、選択された運転者の学習結果を自動運転に適用する。
　上述では、学習結果に含まれる運転特性のうち、１個の運転特性（１個の最小二乗推定量）を取り上げて、運転特性についてのｔ検定を行ったが、２以上の複数の運転特性を組み合わせて、運転特性についてのｔ検定を行うものであってもよい。１個の運転特性のみを用いる場合と比較して、より多くの数の運転特性を組み合わせることにより、より正確な学習結果同士の比較、及び、運転者の特定が可能である。
　なお、上述したステップＳ１０９において未登録の学習対象データに対応する運転者が特定された場合には、ステップＳ１１５及びステップＳ１１９において登録済の学習結果を自動運転に適用する代わりに、未登録の学習対象データと特定された運転者に対応する学習結果の両方を用いた学習を行って得られる学習結果を自動運転に適用してもよい。
　すなわち、ステップＳ１１５及びステップＳ１１９において、未登録の学習対象データを、特定された運転者の学習対象データとマージして、新たに得られる学習対象データを基にした学習結果を自動運転に適用してもよい。この処理により、学習対象データのデータサイズを大きくすることができ、特定された運転者の運転特性がより強く反映された学習結果を自動運転に適用することができる。
　なお、未登録の学習結果に対応する学習対象データに含まれる測定結果の数Ｎが小さい場合（例えば、Ｎが３０未満の場合）には、ｔ分布に従うことを前提とした２標本ｔ統計量を計算する代わりに、学習対象データに適合する分布を決定し、当該分布に対応した検定量を計算してもよい。もしくは、学習対象データに基づいてノンパラメトリック推定を行い、学習結果同士の比較を行ってもよい。
　上述の他、ニューラルネットワークを用いたディープラーニング（深層学習、機械学習）によって、学習結果同士の比較を行うものであってもよい。
　学習結果同士の比較には、上述のように多種多様な方法が挙げられる。比較の対象となる２以上の学習結果に基づいて所定の確率が計算され、当該確率と有意水準の比較を行うことで、「学習結果同士が一致する」という帰無仮説の棄却もしくは採択が可能な方法であれば、本発明における、学習結果同士の比較の方法として用いることができる。
　［実施形態の効果］
　以上詳細に説明したように、本実施形態に係る走行支援方法では、運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中の運転特性を用いて、運転者を特定し、特定した運転者に対応した学習結果に基づいて走行制御を行う。これにより、運転者の特定のためのセンサや余分な操作を必要とせずに運転者の特定ができ、運転者に合った適切な走行支援を実行できる。
　特に、顔認識や指紋認識などを行うためのセンサなどの、運転者の特定のためのセンサを用いる代わりに、手動運転中の運転特性に基づいて運転者を特定できるため、運転者の特定のためのセンサを搭載した製品に比べてコストダウンを図ることができる。例えば、量産品基準で指紋認証センサの価格５０００円程度を、製造コストから削減できる。
　また、本実施形態に係る走行支援方法は、手動運転中の運転特性と、運転者に対応した学習結果とを比較し、手動運転中の運転特性と、学習結果の運転特性との間にある差が所定値よりも大きい場合に、手動運転中の運転特性を新規の運転者の学習結果として登録するものであってもよい。これにより、運転者の固有の運転特性に基づいて、運転者を正確に特定できる。さらには、登録されていない新規の運転者を、運転者の特別の操作を必要とせずに自動的に登録することができる。
　また、本実施形態に係る走行支援方法は、新規の運転者の学習結果を登録する場合に、乗員に登録する事に対する承認行為を要求するものであってもよい。これにより、乗員が意図しない新たな運転者が登録されることを抑制することができる。したがって、乗員の意向に沿った走行支援方法を実現するとともに、誤って新たな運転者を登録することを防止することができる。
　また、本実施形態に係る走行支援方法は、新規の運転者の学習結果を登録する場合に、乗員に運転者を特定する情報の入力を要求するものであってもよい。これにより、学習結果に対応する運転者を設定できるようになる。したがって、設定以降に学習結果を用いる場合、例えば、乗員にどの運転手であるか選択を要求する場合に、乗員は適切な学習結果を選択することができるようになる。なお、運転者を特定する情報として、年齢、性別など属性の入力を要求するようにしてもよい。
　さらに、本実施形態に係る走行支援方法は、手動運転中の運転特性と、運転者に対応した学習結果とを比較し、手動運転中の運転特性と、学習結果の運転特性との間にある差が所定値以内の運転特性を有する学習結果が複数見つかった場合、見つかった複数の学習結果に対応する複数の運転者のいずれかの選択を乗員に要求するものであってもよい。これにより、見つかった複数の学習結果に対応する複数の運転者のいずれの運転者に基づいて自動運転の走行制御を行うかを、利用者が選択できる。さらには、利用者が意図しない学習結果が用いられることを抑制することができる。
　また、本実施形態に係る走行支援方法は、車両が走行するエリアの走行頻度が高いほど、運転者を特定する時の手動運転中の運転特性として優先して用いるものであってもよい。車両が走行するエリアの走行頻度が高いほど、運転者は、当該エリアの運転に慣れていると考えられ、運転者の運転特性がより強く学習対象データに現れると考えられる。そのため、エリアの走行頻度に基づいた優先度を設けることにより、運転者をより正確に特定できる。
　さらに、本実施形態に係る走行支援方法は、手動運転中の減速タイミング、車両の先行車との車間距離、減速操作中の車速、もしくは、これらの組み合わせを、手動運転中の運転特性として用いるものであってもよい。車両の走行データに現れる運転特性のうち、手動運転中の減速タイミング、車両の先行車との車間距離、減速操作中の車速といった運転特性は、ほかの運転特性に比べても運転者の個性が現れやすい運転特性である。そのため、これらの運転特性を用いることにより、運転者をより正確に特定できる。
　また、本実施形態に係る走行支援方法は、登録済の学習結果が存在しない場合に、学習結果に基づく運転者の特定を行わないものであってもよい。そのため、運転者の特定のために必要な処理時間を削減することができ、システム全体の高速化を図ることができる。
　また、車両を日常的に運転する運転者が一人の場合など、登録済の学習結果が１つである場合には、そもそも運転者の特定が不要である場合が起こりうる。このような場合にも、学習結果に基づく運転者の特定を行わないものであってもよい。そのため、運転者の特定のために必要な処理時間を削減することができ、システム全体の高速化を図ることができる。
　さらに、本実施形態に係る走行支援方法は、車両の外部に備えた外部サーバによって、運転者ごとの運転特性を学習するものであってもよい。これにより、車両における処理負荷を軽減することができる。
　さらには、運転者が複数の車両を利用する場合であっても、外部サーバで複数の車両からの学習結果を統合して管理し、自動運転による走行制御が必要となった車両に外部サーバから学習結果を配信することにより、複数の車両の間で学習結果を引き継ぐことができる。これにより、運転者に合った適切な走行支援を実行できる。外部サーバでの処理を行うことは、カーシェリングなど運転者が複数の車両を利用することが想定される場合において、特に有用である。
　以上、実施形態に沿って本発明の内容を説明したが、本発明はこれらの記載に限定されるものではなく、種々の変形及び改良が可能であることは、当業者には自明である。この開示の一部をなす論述及び図面は本発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施形態、実施例及び運用技術が明らかとなろう。
　本発明はここでは記載していない様々な実施形態等を含むことは勿論である。したがって、本発明の技術的範囲は上記の説明から妥当な請求の範囲に係る発明特定事項によってのみ定められるものである。
　上述の各実施形態で示した各機能は、１又は複数の処理回路により実装され得る。処理回路は、電気回路を含む処理装置等のプログラムされた処理装置を含む。処理装置は、また、実施形態に記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や従来型の回路部品のような装置を含む。
　１１　走行支援装置
　２１　走行状況検出部
　２２　周囲状況検出部
　２３　運転切替スイッチ
　３１　アクチュエータ
　４１　学習対象データ記憶部
　４２　運転特性学習部
　４３　運転者特定部
　４５　自動運転制御実行部
　６１　制御状態提示部

Claims (12)

  1. 　運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中の走行データから運転者ごとの運転特性を学習し、この学習結果を自動運転の走行制御に適用する走行支援方法であって、
    　運転者の手動運転中の運転特性を用いて、前記運転者を特定し、
    　特定した前記運転者に対応した前記学習結果に基づいて前記走行制御を行う走行支援方法。
  2. 　請求項１に記載の走行支援方法であって、
    　前記手動運転中の運転特性と、運転者に対応した前記学習結果とを比較し、
    　前記手動運転中の運転特性と、前記学習結果の運転特性との間にある差が所定値よりも大きい場合に、前記手動運転中の運転特性を新規の運転者の学習結果として登録すること
    を特徴とする走行支援方法。
  3. 　請求項２に対する走行支援方法であって、
    　新規の運転者の学習結果を登録する場合に、乗員に登録する事に対する承認行為を要求すること
    を特徴とする走行支援方法。
  4. 　請求項２又は３に対する走行支援方法であって、
    　新規の運転者の学習結果を登録する場合に、乗員に前記運転者を特定する情報の入力を要求すること
    を特徴とする走行支援方法。
  5. 　請求項１～４のいずれか一項に記載の走行支援方法であって、
    　前記手動運転中の運転特性と、運転者に対応した前記学習結果とを比較し、
    　前記手動運転中の運転特性と、前記学習結果の運転特性との間にある差が所定値以内の運転特性を有する学習結果が複数見つかった場合、
    　見つかった複数の前記学習結果に対応する複数の運転者のいずれかの選択を乗員に要求すること
    を特徴とする走行支援方法。
  6. 　請求項１～５のいずれか一項に記載の走行支援方法であって、
    　前記車両が走行するエリアの走行頻度が高いほど、前記運転者を特定する時の手動運転中の運転特性として優先して用いること
    を特徴とする走行支援方法。
  7. 　請求項１～６のいずれか一項に記載の走行支援方法であって、
    　手動運転中の減速タイミングを前記手動運転中の運転特性として用いること
    を特徴とする走行支援方法。
  8. 　請求項１～７のいずれか一項に記載の走行支援方法であって、
    　手動運転中の、前記車両の先行車との車間距離を前記手動運転中の運転特性として用いること
    を特徴とする走行支援方法。
  9. 　請求項１～８のいずれか一項に記載の走行支援方法であって、
    　手動運転中の、減速操作中の車速を前記手動運転中の運転特性として用いること
    を特徴とする走行支援方法。
  10. 　請求項１～９のいずれか一項に記載の走行支援方法であって、
    　登録済の学習結果が存在しない場合、もしくは、登録済の学習結果が１つである場合、前記学習結果に基づく前記運転者の特定を行わないこと
    を特徴とする走行支援方法。
  11. 　請求項１～１０のいずれか一項に記載の走行支援方法であって、
    　前記車両の外部に備えた外部サーバによって、運転者ごとの運転特性を学習すること
    を特徴とする走行支援方法。
  12. 　運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中の走行データから運転者ごとの運転特性を学習し、この学習結果を自動運転の走行制御に適用する走行支援装置であって、
    　運転者の手動運転中の運転特性を用いて、前記運転者を特定する運転者特定回路と、
    　特定した前記運転者に対応した前記学習結果に基づいて前記走行制御を行う自動運転制御実行回路と、
    を備えたことを特徴とする走行支援装置。
PCT/JP2017/033920 2017-09-20 2017-09-20 走行支援方法及び走行支援装置 WO2019058460A1 (ja)

Priority Applications (9)

Application Number Priority Date Filing Date Title
BR112020005415-1A BR112020005415A2 (pt) 2017-09-20 2017-09-20 método de assistência de deslocamento e dispositivo de assistência de deslocamento
US16/647,598 US20200278685A1 (en) 2017-09-20 2017-09-20 Travel Assistance Method and Travel Assistance Device
CN201780095062.7A CN111108539A (zh) 2017-09-20 2017-09-20 行驶支持方法以及行驶支持装置
MX2020002932A MX2020002932A (es) 2017-09-20 2017-09-20 Metodo de asistencia al desplazamiento y dispositivo de asistencia al desplazamiento.
JP2019542871A JPWO2019058460A1 (ja) 2017-09-20 2017-09-20 走行支援方法及び走行支援装置
PCT/JP2017/033920 WO2019058460A1 (ja) 2017-09-20 2017-09-20 走行支援方法及び走行支援装置
EP17925860.3A EP3686862A4 (en) 2017-09-20 2017-09-20 DISPLACEMENT ASSISTANCE PROCESS AND DISPLACEMENT ASSISTANCE DEVICE
RU2020113690A RU2743829C1 (ru) 2017-09-20 2017-09-20 Способ помощи при движении и устройство помощи при движении
CA3076322A CA3076322A1 (en) 2017-09-20 2017-09-20 Travel assistance method and travel assistance device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/033920 WO2019058460A1 (ja) 2017-09-20 2017-09-20 走行支援方法及び走行支援装置

Publications (1)

Publication Number Publication Date
WO2019058460A1 true WO2019058460A1 (ja) 2019-03-28

Family

ID=65811443

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/033920 WO2019058460A1 (ja) 2017-09-20 2017-09-20 走行支援方法及び走行支援装置

Country Status (9)

Country Link
US (1) US20200278685A1 (ja)
EP (1) EP3686862A4 (ja)
JP (1) JPWO2019058460A1 (ja)
CN (1) CN111108539A (ja)
BR (1) BR112020005415A2 (ja)
CA (1) CA3076322A1 (ja)
MX (1) MX2020002932A (ja)
RU (1) RU2743829C1 (ja)
WO (1) WO2019058460A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021084502A (ja) * 2019-11-27 2021-06-03 株式会社Ｓｕｂａｒｕ 制御装置
WO2021202531A1 (en) * 2020-03-30 2021-10-07 Uatc, Llc System and methods for controlling state transitions using a vehicle controller
WO2022201345A1 (ja) * 2021-03-24 2022-09-29 日本電気株式会社 運転者照合システム、運転者照合方法、記憶媒体
EP4074566A4 (en) * 2019-12-28 2023-07-26 Huawei Technologies Co., Ltd. METHOD, DEVICE AND CONTROL SYSTEM OF A SMART CAR
EP3990325A4 (en) * 2019-06-28 2023-09-06 Zoox, Inc. SYSTEM AND METHOD FOR DETERMINING THE TARGET SPEED OF A VEHICLE
JP7377042B2 (ja) 2019-09-25 2023-11-09 株式会社Subaru 車両システム
WO2024080086A1 (ja) * 2022-10-11 2024-04-18 ソフトバンクグループ株式会社 Ａｕｔｏｎｏｍｏｕｓ Ｄｒｉｖｉｎｇ １０ ｆｉｎｇｅｒ
JP7643305B2 (ja) 2021-11-17 2025-03-11 トヨタ自動車株式会社 運転者特定装置、運転者特定方法、及び運転者特定プログラム

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11273836B2 (en) 2017-12-18 2022-03-15 Plusai, Inc. Method and system for human-like driving lane planning in autonomous driving vehicles
US11130497B2 (en) * 2017-12-18 2021-09-28 Plusai Limited Method and system for ensemble vehicle control prediction in autonomous driving vehicles
US20190185012A1 (en) 2017-12-18 2019-06-20 PlusAI Corp Method and system for personalized motion planning in autonomous driving vehicles
JP7210906B2 (ja) * 2018-05-31 2023-01-24 株式会社デンソー 車両の自動運転制御装置及びプログラム
US11954736B1 (en) 2019-08-28 2024-04-09 State Farm Mutual Automobile Insurance Company Systems and methods for generating mobility insurance products using ride-sharing telematics data
DE112021007108T5 (de) * 2021-02-18 2024-01-25 Panasonic Intellectual Property Management Co., Ltd. Anzeigesteuervorrichtung und Anzeigesteuerverfahren
JP7578037B2 (ja) 2021-03-25 2024-11-06 トヨタ自動車株式会社 運転者特定装置及び運転者特定方法
US12036987B2 (en) 2021-07-29 2024-07-16 Toyota Motor Engineering & Manufacturing North America, Inc. Student-T process personalized adaptive cruise control
FR3140602A1 (fr) * 2022-10-11 2024-04-12 Renault S.A.S. Procédé de gestion automatisée de la vitesse longitudinale d’un véhicule automobile.
FR3143514A1 (fr) * 2022-12-20 2024-06-21 Renault S.A.S Procédé de gestion automatisée de la vitesse longitudinale d’un véhicule automobile.

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003080970A (ja) * 2001-09-17 2003-03-19 Mitsubishi Motors Corp 車両速度制御装置
JP2008137639A (ja) * 2006-11-06 2008-06-19 Quality Kk 車両制御装置および車両制御プログラム
JP2008222167A (ja) * 2007-03-15 2008-09-25 Toyota Motor Corp 乗員特定装置
JP2012069037A (ja) * 2010-09-27 2012-04-05 Toyota Motor Corp 運転者特定装置
JP2015510622A (ja) * 2011-12-19 2015-04-09 マイクロソフト コーポレーション アクションを開始および実行するための写真の使用
JP2016216021A (ja) 2015-04-21 2016-12-22 パナソニックＩｐマネジメント株式会社 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム
JP2016215658A (ja) * 2015-05-14 2016-12-22 アルパイン株式会社 自動運転装置および自動運転システム
WO2017057060A1 (ja) * 2015-09-30 2017-04-06 ソニー株式会社 運転制御装置、および運転制御方法、並びにプログラム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5521823A (en) * 1991-09-03 1996-05-28 Mazda Motor Corporation Learning control vehicle
DE4215406A1 (de) * 1992-05-11 1993-11-18 Zahnradfabrik Friedrichshafen Steuersystem zum Schalten eines automatischen Getriebes
JP3622744B2 (ja) * 2001-11-15 2005-02-23 株式会社デンソー 車両の走行制御装置
JP3846494B2 (ja) * 2004-07-13 2006-11-15 日産自動車株式会社 移動障害物検出装置
WO2007069568A1 (ja) * 2005-12-14 2007-06-21 Matsushita Electric Industrial Co., Ltd. 危険運転予測装置
JP4375420B2 (ja) * 2007-03-26 2009-12-02 株式会社デンソー 眠気警報装置、及びプログラム
JP5664533B2 (ja) * 2011-12-09 2015-02-04 トヨタ自動車株式会社 車両ドライバ特定用学習装置及び車両ドライバ特定用学習方法、並びに車両ドライバ特定装置及び車両ドライバ特定方法
US10518782B2 (en) * 2012-06-05 2019-12-31 Toyota Jidosha Kabushiki Kaisha Driving characteristics estimating device and drive assisting system
US9766625B2 (en) * 2014-07-25 2017-09-19 Here Global B.V. Personalized driving of autonomously driven vehicles
JP6201927B2 (ja) * 2014-08-01 2017-09-27 トヨタ自動車株式会社 車両制御装置
US10449957B2 (en) * 2014-12-29 2019-10-22 Robert Bosch Gmbh Systems and methods for operating autonomous vehicles using personalized driving profiles
JP6237685B2 (ja) * 2015-04-01 2017-11-29 トヨタ自動車株式会社 車両制御装置
US10627813B2 (en) * 2015-04-21 2020-04-21 Panasonic Intellectual Property Management Co., Ltd. Information processing system, information processing method, and program
US10759446B2 (en) * 2015-04-21 2020-09-01 Panasonic Intellectual Property Management Co., Ltd. Information processing system, information processing method, and program
CN106652515B (zh) * 2015-11-03 2020-03-20 中国电信股份有限公司 车辆自动控制方法、装置和系统
CN106828503B (zh) * 2017-02-15 2018-11-30 武汉理工大学 一种驾驶员制动行为及状态实时辨识方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003080970A (ja) * 2001-09-17 2003-03-19 Mitsubishi Motors Corp 車両速度制御装置
JP2008137639A (ja) * 2006-11-06 2008-06-19 Quality Kk 車両制御装置および車両制御プログラム
JP2008222167A (ja) * 2007-03-15 2008-09-25 Toyota Motor Corp 乗員特定装置
JP2012069037A (ja) * 2010-09-27 2012-04-05 Toyota Motor Corp 運転者特定装置
JP2015510622A (ja) * 2011-12-19 2015-04-09 マイクロソフト コーポレーション アクションを開始および実行するための写真の使用
JP2016216021A (ja) 2015-04-21 2016-12-22 パナソニックＩｐマネジメント株式会社 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム
JP2016215658A (ja) * 2015-05-14 2016-12-22 アルパイン株式会社 自動運転装置および自動運転システム
WO2017057060A1 (ja) * 2015-09-30 2017-04-06 ソニー株式会社 運転制御装置、および運転制御方法、並びにプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3686862A4

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3990325A4 (en) * 2019-06-28 2023-09-06 Zoox, Inc. SYSTEM AND METHOD FOR DETERMINING THE TARGET SPEED OF A VEHICLE
JP7377042B2 (ja) 2019-09-25 2023-11-09 株式会社Subaru 車両システム
JP7414490B2 (ja) 2019-11-27 2024-01-16 株式会社Subaru 制御装置
JP2021084502A (ja) * 2019-11-27 2021-06-03 株式会社Ｓｕｂａｒｕ 制御装置
EP4074566A4 (en) * 2019-12-28 2023-07-26 Huawei Technologies Co., Ltd. METHOD, DEVICE AND CONTROL SYSTEM OF A SMART CAR
US11513517B2 (en) 2020-03-30 2022-11-29 Uatc, Llc System and methods for controlling state transitions using a vehicle controller
CN115427279A (zh) * 2020-03-30 2022-12-02 Uatc有限责任公司 使用车辆控制器控制状态转变的系统和方法
US11768490B2 (en) 2020-03-30 2023-09-26 Uatc, Llc System and methods for controlling state transitions using a vehicle controller
WO2021202531A1 (en) * 2020-03-30 2021-10-07 Uatc, Llc System and methods for controlling state transitions using a vehicle controller
CN115427279B (zh) * 2020-03-30 2024-06-07 欧若拉运营公司 使用车辆控制器控制状态转变的系统和方法
WO2022201345A1 (ja) * 2021-03-24 2022-09-29 日本電気株式会社 運転者照合システム、運転者照合方法、記憶媒体
JP7578184B2 (ja) 2021-03-24 2024-11-06 日本電気株式会社 運転者照合システム、運転者照合方法、及び、プログラム
JP7643305B2 (ja) 2021-11-17 2025-03-11 トヨタ自動車株式会社 運転者特定装置、運転者特定方法、及び運転者特定プログラム
WO2024080086A1 (ja) * 2022-10-11 2024-04-18 ソフトバンクグループ株式会社 Ａｕｔｏｎｏｍｏｕｓ Ｄｒｉｖｉｎｇ １０ ｆｉｎｇｅｒ

Also Published As

Publication number Publication date
BR112020005415A2 (pt) 2020-09-29
EP3686862A4 (en) 2020-11-04
RU2743829C1 (ru) 2021-02-26
MX2020002932A (es) 2020-07-24
US20200278685A1 (en) 2020-09-03
CN111108539A (zh) 2020-05-05
EP3686862A1 (en) 2020-07-29
CA3076322A1 (en) 2019-03-28
JPWO2019058460A1 (ja) 2020-10-29

Similar Documents

Publication Publication Date Title
WO2019058460A1 (ja) 走行支援方法及び走行支援装置
WO2017163667A1 (ja) 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、運転支援システム、プログラム
US10518783B2 (en) Automatic driving control device
US11079758B2 (en) Systems and methods for incentivizing user-aided improvement of autonomous vehicle control systems and methods of operating a vehicle using the same
CN111524346B (zh) 服务器以及信息提供装置
CN109383523B (zh) 用于车辆的辅助驾驶方法和系统
US9771054B2 (en) Travel resistance arithmetic device
JP2019043495A (ja) 自動運転調整装置、自動運転調整システム、及び自動運転調整方法
CN112699721B (zh) 离开道路扫视时间的情境相关调整
JPWO2014045355A1 (ja) 車両運転行動予測装置
US20210163015A1 (en) Method for Learning Travel Characteristics and Travel Assistance Device
WO2019030916A1 (ja) 車線情報管理方法、走行制御方法及び車線情報管理装置
JPWO2019003280A1 (ja) 車両の走行支援方法及び走行支援装置
US11221228B2 (en) Vehicle, and method of controlling the same
JP2018173816A (ja) 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、プログラム、運転支援システム
CN111240314A (zh) 用于l2自动驾驶的基于预定校准表的车辆油门/制动辅助系统
WO2023029469A1 (zh) 车辆行驶预警方法及装置
JP2006160032A (ja) 運転状態判定装置及び運転状態判定方法
US20200130691A1 (en) Information processing device, non-transitory storage medium in which program is recorded, and information processing method
US20220222946A1 (en) Traffic environment recognition device and vehicle control device
US20250103971A1 (en) Method and System for Providing a Function Recommendation in a Vehicle
JP7615938B2 (ja) 情報処理サーバ、情報処理サーバの処理方法、プログラム
JP2024015574A (ja) 車両の運転支援システム
WO2023156036A1 (en) A computer-implemented method for providing a function recommendation in a vehicle, a vehicle and a system for implementing the method
CN119611408A (zh) 车辆控制方法、装置、车载终端及车辆

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: 17925860

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019542871

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 3076322

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2017925860

Country of ref document: EP

Effective date: 20200420

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112020005415

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 112020005415

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20200318