JP2015148545A

JP2015148545A - 車両制御装置及びプログラム

Info

Publication number: JP2015148545A
Application number: JP2014022280A
Authority: JP
Inventors: 佑介寒澤; Yusuke Kanzawa; 峻田口; Shun Taguchi
Original assignee: Toyota Central R&D Labs Inc
Current assignee: Toyota Central R&D Labs Inc
Priority date: 2014-02-07
Filing date: 2014-02-07
Publication date: 2015-08-20
Anticipated expiration: 2034-02-07
Also published as: JP6213277B2

Abstract

【課題】速度の変化を許容して、所定時刻後までの自車両の最適な車両状態の時系列パターンを探索することができる。【解決手段】車両情報取得部２２により、自車両及び他車両の各々について、位置情報を含む車両情報を取得し、最適解探索部２４により、加速状態、減速状態、等速状態、及び車線変更状態を含む複数種類の車両状態を表すノードの各々を、所定時刻後までの各時刻について有し、各ノードを時系列に連結して、自車両の車両状態の時系列パターンの各々を表した車両状態ネットワークにおいて、各ノードについて、ノードが表す車両状態と車両情報取得手段によって取得された自車両及び他車両の各々の車両情報とに基づいて得られる、ノードに対応する時刻における自車両の速度、加速度、及び他車両に対する相対位置に基づいて算出されるコストに従って、自車両の最適な車両状態の時系列パターンを探索する。【選択図】図４

Description

本発明は、車両制御装置及びプログラムに係り、特に、最適な車両制御を実現するための車両制御装置に関する。

従来、道路上での車両制御の方法として、道路情報を事前に取得し、どの道路を走行するか、という選択を行って車両を制御する方法が知られている（非特許文献１）。例えば、現在走行中の道路をそのまま走るか、隣のレーンに車線変更するか、という選択が行われる。

また、チーム編成を組んだ無人航空機が、爆撃する対象を探索するために効率よく指定領域を探索する手法として、無人航空機の行動を離散化し、それを時系列に組み合わせることで、今後の無人航空機がとり得る挙動の表現を行うという方法が知られている（非特許文献２）。当該手法において用いる評価関数は、どれだけ指定領域の中を探索できたか、としており、網羅的に探索できていた方が評価は高くなる。このため、離散化された行動の組み合わせの中から最適解をみつける問題は、指数関数的に増加する問題であり、計算不可能な問題であるため、ＤＰアルゴリズムを適用することで当該問題を解決している。

Michael Montemerlo,Jan Becker,Suhrid Bhat,Hendrik Dahlkamp and Dmitri Dolgov,Scott Ettinger,Dirk Haehnel, 「Junior:The Stanford Entry in the Urban Challenge」 ,Jornal of Field Robotics, 2008, 25(9), 569-597 Matthew Flint,Marios Polycarpou,Emmanuel Fernandez-Gaucherand, 「COOPERATIVE PATH-PLANNING FOR AUTONOMOUS VEHICLES USING DYNAMIC PROGRAMMING」, 15th Triennial World Congress,Barcelona,Spain, 2002

しかし、非特許文献１の方法においては、現在走行中の道路をそのまま走行するか、隣のレーンに車線変更するかという大きく分けて二択の選択候補しか存在しない。これは、少し真っ直ぐ走行してから車線変更するという行動が考えられていないため、現在の状態の情報のみで進路を決定している。

図７のように他車が道路を横切る場合を考えると、現在の状態のみで進路を決定した場合、隣のレーンには、現在の状態において他車が存在するため、隣のレーンに車線変更する進路は不可と決定される。そのため、自車はそのまま前に進もうとするが、次の時刻において、他車は前方へ進み自車の走行レーンに進入してくる。そのとき、もしも自車が車線変更する空間的な余裕が存在しなかった場合は、急減速をする必要があるという問題がある。急減速は、燃費としても、到達時間としても、乗り心地としてもすべてに悪影響を与える原因であり、可能な限り削減するべき問題である。

また、非特許文献２の方法においては、制御対象が等速運動で運動するため、組み合わせの探索問題を部分問題に分けることが可能となり、結果としてＤＰアルゴリズムを適用している。しかし、非特許文献２の方法において、制御対象の速度が可変である場合には、組み合わせ探索問題を部分問題に分けることが不可能であり、当該手法によりＤＰアルゴリズムを適用することができないという問題がある。

本発明では、速度の変化を許容して、所定時刻後までの自車両の最適な車両状態の時系列パターンを探索することができる車両制御装置を提供することを目的とする。

上記目的を達成するために、第１の発明の車両制御装置は、自車両及び他車両の各々について、位置情報を含む車両情報を取得する車両情報取得手段と、加速状態、減速状態、等速状態、及び車線変更状態を含む複数種類の車両状態を表すノードの各々を、所定時刻後までの各時刻について有し、各ノードを時系列に連結して、前記自車両の車両状態の時系列パターンの各々を表した車両状態ネットワークにおいて、各ノードについて、前記ノードが表す車両状態と前記車両情報取得手段によって取得された自車両及び他車両の各々の車両情報とに基づいて得られる、前記ノードに対応する時刻における自車両の速度、加速度、及び他車両に対する相対位置に基づいて算出されるコストに従って、自車両の最適な車両状態の時系列パターンを探索する最適解探索手段と、を含んで構成されている。

第１の発明によれば、車両情報取得手段により、自車両及び他車両の各々について、位置情報を含む車両情報を取得し、最適解探索手段により、加速状態、減速状態、等速状態、及び車線変更状態を含む複数種類の車両状態を表すノードの各々を、所定時刻後までの各時刻について有し、各ノードを時系列に連結して自車両の車両状態の時系列パターンの各々を表した車両状態ネットワークにおいて、各ノードについて、算出されるコストに従って、自車両の最適な車両状態の時系列パターンを探索する。

このように、加速状態、減速状態、等速状態、及び車線変更状態を含む複数種類の車両状態を表すノードの各々を、所定時刻後までの各時刻について有し、各ノードを時系列に連結して自車両の車両状態の時系列パターンの各々を表した車両状態ネットワークにおいて、各ノードについて、算出されるコストに従って、自車両の最適な車両状態の時系列パターンを探索することにより、速度の変化を許容して、所定時刻後までの自車両の最適な車両状態の時系列パターンを探索することができる。

また、第１の発明において、前記最適解探索手段は、前記自車両の最適な車両状態の時系列パターンにおいて前記車線変更状態を一度しか含まない制約条件、前記自車両の最適な車両状態の時系列パターンにおいて前記加速状態の直後に前記減速状態に遷移しないという制約条件、前記自車両の最適な車両状態の時系列パターンにおいて前記減速状態の直後に前記加速状態に遷移しないという制約条件、及び前記コストの計算式に応じて定められるヒューリスティック関数式を利用したＡ＊アルゴリズムで前記コストを評価した結果に従って前記自車両の最適な車両状態の時系列パターンを探索するという制約条件のうちの少なくとも１つの制約条件を満たすように、自車両の最適な車両状態の時系列パターンを探索するようにしてもよい。

また、第１の発明において、前記最適解探索手段は、燃費項、制限速度項、及び安全車間項を含む予め定められた式に従って算出される前記ノードのコストを用いて、自車両の最適な車両状態の時系列パターンを探索するようにしてもよい。

また、第１の発明において、前記最適解探索手段によって探索された自車両の最適な車両状態の時系列パターンのうちの一時刻後の車両状態に基づいて、自車両の運転制御を行う制御手段を更に含んでもよい。

また、本発明のプログラムは、コンピュータを、上記の車両制御装置を構成する各手段として機能させるためのプログラムである。

以上説明したように、本発明の車両制御装置及びプログラムによれば、加速状態、減速状態、等速状態、及び車線変更状態を含む複数種類の車両状態を表すノードの各々を、所定時刻後までの各時刻について有し、各ノードを時系列に連結して自車両の車両状態の時系列パターンの各々を表した車両状態ネットワークにおいて、各ノードについて、算出されるコストに従って、自車両の最適な車両状態の時系列パターンを探索することにより、速度の変化を許容して、所定時刻後までの自車両の最適な車両状態の時系列パターンを探索することができる。

離散状態の例を示す図である。車両状態ネットワークの例を示す図である。車両状態ノードのコストを算出した例を示す図である。本発明の実施の形態に係る車両制御装置の機能的構成を示すブロック図である。本発明の実施の形態に係る車両制御装置における車両制御処理ルーチンを示すフローチャート図である。本発明の実施の形態に係る車両制御装置を用いた実験例を示す図である。他車両が道路を横切る例を示す図である。

以下、本発明の実施形態について図面を参照しつつ説明する。尚、各図面において、実質的に同一又は等価な構成要素又は部分には同一の参照符号を付している。

＜発明の原理＞
本発明の実施の形態において、まず、自車両の状態を離散化する。例えば、図１のように、（Ａ）加速状態、（Ｄ）減速状態、（Ｃ）等速状態、（Ｌ）車線変更状態という４種類の状態に分割し、分割した状態の各々を車両状態ノードとする。なお、加速状態、及び減速状態は、予め定められた一定の加速又は減速が行われるものとする。また、車両状態ノードがノードの一例である。また、４種類が複数種類の一例である。

次に、分割した４種類の車両状態ノードを、任意の時間までの各時刻について設け、時系列に連結する。本実施の形態においては、予測時間間隔を１秒と設定する。この場合、１秒後までの車両状態の時系列パターンを考慮する場合は、（Ａ）、（Ｄ）、（Ｃ）、（Ｌ）の全部で４通りの車両状態の時系列パターンが存在することとなる。２秒後までの車両状態の時系列パターンを考慮する場合は、（Ａ）‐（Ａ）、（Ａ）‐（Ｄ）、（Ａ）‐（Ｃ）、（Ａ）‐（Ｌ）、（Ｄ）‐（Ａ）、…、（Ｌ）‐（Ｃ）、（Ｌ）‐（Ｌ）の全部で１６通りの車両状態の時系列パターンが存在することとなる。そのため、任意の時間ｎ秒後までの車両状態の時系列パターンを考慮して、４^ｎ通りの車両状態の時系列パターンで表される車両状態ネットワークを構成する。図２に車両状態ネットワークの例を示す。

そして、作成した車両状態ネットワークにおける車両状態ノードの各々において、当該車両状態ノードにおけるコストを計算する。コストの計算方法としては、例えば燃費を最適化した車両制御を行う場合には、下記（１）式の計算式を利用する。最終的な状態のコストの総和は、下記（１）式の値と、その状態の一つ前の状態までのコストの総和とを加算したものを採用する。

ただし、ｖは、当該車両状態ノードに対応する時刻における自車両の速度であり、ａは、当該車両状態ノードに対応する時刻における自車両の加速度であり、ｘ_ｎｅａｒは、当該車両状態ノードに対応する時刻における進行方向での自車両に最も近い他車両までの距離であり、ｙ_ｎｅａｒは、当該車両状態ノードに対応する時刻における進行方向に垂直な方向での自車両に最も近い他車両までの距離であり、ｌは自車両が位置する道路の制限速度であり、ｔは予測時間間隔（秒）であり、Ｗは燃料消費量に関する関数であり、λ（λ_ａ：燃費項の調整パラメータ、λ_ｂ：制限速度項の調整パラメータ、λ_ｃ：安全車間項の調整パラメータとする。）、α、及びβは、予め定められた調整パラメータである。本実施の形態においては、ｔは１とする。また、上記（１）式の第１項を燃費項、第２項を制限速度項、第３項を安全車間項とする。図２の車両状態ネットワークに対して、コスト計算を行った例を図３に示す。なお、ｘ_ｎｅａｒ及びｙ_ｎｅａｒが他車両に対する相対位置の一例である。なお、予測時間間隔が、ノードに対応する時刻の間隔の一例である。

そして、図３に示すようなコスト付きのネットワークにおいて、最適な車両状態の時系列パターンを探索する。予測型車両制御における最適な車両状態の時系列パターンとは、ある任意の時刻でのコストの総和が最小となる時系列パターンである。ネットワークの探索手法としては、例えばＤｉｊｋｓｔｒａ法等の従来技術を利用すればよい。

図３に示すネットワークでは、４秒後の時刻において、（Ｌ）の車両状態ノードまでのコストの総和が最小であるため、（Ｃ）‐（Ａ）‐（Ａ）‐（Ｌ）の時系列パターンが最適であると決定される。この時系列パターンは、自車両を１秒間等速制御した後に、２秒間加速制御を行い、その後車線変更制御を行うという時系列パターンである。実際の車両制御では、一時刻後の車両状態ノードに対応する制御方法のみを利用する。当該具体例においては、（Ｃ）の等速制御を自車両へ命令する。なお、４秒後が所定時刻後の一例である。

上記の方法を用いることで、予測型車両制御を実現することは可能であるが、演算量の問題が存在する。車両状態ネットワークが離散状態の組み合わせで表現されるため、予測する時間が長ければ長いほど組み合わせ爆発を起こし、実時間で計算不可な処理となる。車両の離散状態数をＳ、予測する時間の長さをｔとした時に、演算量のオーダーはＯ（Ｓ´）となる。そのため、本実施の形態においては、以下の４つの制約条件を利用して探索数の削減を行う。なお、下記（二）の制約条件が、加速状態の直後に減速状態に遷移しないという制約条件、下記（三）の制約条件が、自車両の最適な車両状態の時系列パターンにおいて減速状態の直後に加速状態に遷移しないという制約条件の一例である。

（一）最適解となる状態系列の中に、車線変更状態は一度しか含まないという制約条件
（二）最適解となる状態系列は、加速の直後に減速をしないという制約条件
（三）最適解となる状態系列は、減速の直後に加速をしないという制約条件
（四）上記（１）式に応じて定められるヒューリスティック関数式（下記（２）式）で計算される値を利用して、Ａ＊アルゴリズムで車両状態ノードのコストを評価した結果に従って、自車両の最適な車両状態の時系列パターンを探索するという制約条件

ただし、ｖは、当該車両状態ノードが表わす車両状態に基づいて求められる、当該車両状態ノードに対応する時刻における自車両の速度であり、ｌは、自車両が位置する道路の制限速度である。

＜本発明の実施の形態に係る車両制御装置の構成＞
次に、本発明の実施の形態に係る車両制御装置について説明する。図４に示すように、本発明の実施の形態に係る車両制御装置１００は、通信部１０と、ＧＰＳ１２と、速度センサ１４と、加速度センサ１６と、演算部２０と、運転支援部５０とを備えている。

通信部１０は、自車両から一定範囲に位置する他車両の各々から、当該他車両の位置情報の時系列データを受信し、演算部２０に出力する。

ＧＰＳ１２は、自車両のＧＰＳ情報を取得し、演算部２０に出力する。

速度センサ１４は、自車両の速度を計測し、演算部２０に出力する。

加速度センサ１６は、自車両の加速度を計測し、演算部２０に出力する。

演算部２０は、車両情報取得部２２と、最適解探索部２４と、制御部２６と、車両状態ネットワーク記憶部２８とを含んで構成されている。

車両状態ネットワーク記憶部２８は、予め構築された、予測時間間隔をｔ秒としたｎ秒後までの４^ｎ通りの自車両の車両状態を表す車両状態ネットワークを記憶している。また、車両状態ネットワーク記憶部２８は、上記（１）式に対応する調整パラメータλ、α、及びβを記憶している。なお、本実施の形態においては、車両状態ネットワークは、予測時間間隔を１秒とした４秒後までの４^４通りの自車両の車両状態を表す車両状態ネットワークとする。

車両情報取得部２２は、通信部１０から入力される自車両から一定範囲に位置する他車両の各々についての位置情報を時系列に取得する。また、車両情報取得部２２は、ＧＰＳ１２から入力されるＧＰＳ情報に基づいて、自車両の位置を取得し、道路地図データから、自車両が位置する道路の制限速度情報を含む道路情報を取得する。また、車両情報取得部２２は、速度センサ１４から入力される自車両の速度、及び加速度センサ１６から入力される自車両の加速度の各々を取得する。なお、他車両の各々についての時系列に取得された位置情報が、他車両の車両情報の一例であり、自車両の位置と、道路情報と、自車両の速度と、自車両の加速度とが、自車両の車両情報の一例である。

最適解探索部２４は、車両状態ネットワーク記憶部２８に記憶されている車両状態ネットワークを取得し、当該車両状態ネットワークについて、各車両状態ノードについて算出されるコスト及び４つの制約条件に従って、Ｄｉｊｋｓｔｒａ法を利用し、４つの制約条件を満たし、かつ、コストの総和が最小となる、最適な車両状態の時系列パターンを探索し、制御部２６に出力する。

具体的には、車両状態ネットワークについて、Ｄｉｊｋｓｔｒａ法及び上記（一）〜（四）の４つの制約条件に従って、各車両状態ノードを探索しながら、当該車両状態ノードのコストを算出し、コストの総和が最小となる車両状態の時系列パターンを探索する。

ここで、車両状態ノードのコストを算出する際に用いられる上記（１）式の各情報は、車両状態ネットワーク記憶部２８に記憶されている各調整パラメータ（λ、α、及びβ）と、車両情報取得部２２において取得した自車両の速度、加速度、位置、道路情報、又は、当該車両状態ノードより一つ前の車両状態ノードにおける自車両の位置、速度、及び加速度と、車両情報取得部２２において取得した他車両の各々の位置情報と、当該車両状態ノードの車両状態とにより求められる。なお、他車両の各々については、時系列に取得されている位置情報から現在の他車両の各々の速度、及び移動方向を算出し、算出された速度で、等速に、算出された移動方向に毎秒移動するものとして仮定する。

具体的には、自車両の速度ｖは、一時刻前における車両状態ノードにおける自車両の速度に基づいて求められ、一時刻前における車両状態ノードが加速状態である場合には、所定の速度だけ加算した速度となり、一時刻前における車両状態ノードが減速状態である場合には、所定の速度だけ減算した速度となる。自車両の加速度ａは、当該車両状態ノードが加速状態である場合には、正の所定加速度となり、当該車両状態ノードが減速状態である場合には、負の所定加速度となる。また、進行方向での及び進行方向に垂直な方向での自車両に最も近い他車両までの距離の各々は以下のように求められる。まず、車両情報取得部２２により取得された自車両の位置情報、速度、及び加速度に基づいて、又は一時刻前における車両状態ノードに対して求められた自車両の位置情報と、一時刻前における車両状態ノードに対して算出された自車両の速度と、一時刻前における車両状態ノードに対して算出された自車両の加速度とに基づいて、当該車両状態ノードの時刻における自車両の位置が算出される。一時刻前における車両状態ノードが、車線変更である場合には、車線変更後の自車両の位置が算出される。また、車両情報取得部２２により取得された他車両の位置情報、又は一時刻前における車両状態ノードに対して求められた他車両の位置情報と、他車両の位置情報の時系列から求められる他車両の速度及び移動方向とに基づいて、当該車両状態ノードの時刻における他車両の位置が算出される。上記のように、当該車両状態ノードの時刻における自車両の位置及び他車両の位置が算出され、算出された結果に基づいて、進行方向での及び進行方向に垂直な方向での自車両に最も近い他車両までの距離の各々が求められる。また、道路の制限速度は、車両情報取得部２２により取得されている道路情報から求められる。

制御部２６は、最適解探索部２４において探索された、制約条件を満たし、かつ、コストの総和が最小となる車両状態の時系列パターンに基づいて、運転支援部５０に車両制御の命令を出力する。具体的には、最適解探索部２４において、図３に示すような車両状態の時系列パターン（（Ｃ）−（Ａ）−（Ａ）−（Ｌ））が探索された場合、一時刻後の車両状態に対応する等速制御の命令を運転支援部５０に出力する。なお、この車両状態の時系列パターンは、１秒間等速制御をした後に、２秒間加速制御を行い、その後車線変更制御をするものである。

運転支援部５０は、制御部２６から入力される命令に従って、自車両に対する自動運転制御を行う。

＜本実施の形態に係る車両制御装置の作用＞
次に、本発明の実施の形態に係る車両制御装置１００の作用について説明する。まず、通信部１０により、自車両から一定範囲に位置する他車両の各々の位置情報を逐次受信し、ＧＰＳ１２により、自車両のＧＰＳ情報が逐次検出され、速度センサ１４により、自車両の速度が逐次検出され、加速度センサ１６により、自車両の加速度が逐次検出されているときに、車両制御装置１００のＲＯＭに記憶されたプログラムを、ＣＰＵが実行することにより、図５に示す車両制御処理ルーチンが実行される。

まず、ステップＳ１００では、車両情報取得部２２により、通信部１０により時系列に受信した他車両の各々の位置情報の各々と、ＧＰＳ１２により検出した自車両のＧＰＳ情報と、速度センサ１４により検出した、自車両の速度と、加速度センサ１６により検出した自車両の加速度を受け付ける。

ステップＳ１０１では、ステップＳ１００において取得した自車両のＧＰＳ情報から、自車両の位置を算出すると共に、道路地図データから、自車両が位置する道路の制限速度情報を含む道路情報を取得する。

次に、ステップＳ１０２では、車両状態ネットワーク記憶部２８に記憶されている車両状態ネットワークと、調整パラメータλ、α、及びβとを読み込む。

次に、ステップＳ１０４では、ステップＳ１００において取得した、他車両の各々の位置情報の各々と、自車両の速度と、自車両の加速度と、ステップＳ１０１で取得した自車両の位置及び道路情報と、ステップＳ１０２において取得した調整パラメータλ、α、及びβとに基づいて、ステップＳ１０２において取得した車両状態ネットワークについて、当該車両状態ネットワークについて、各車両状態ノードについて上記（１）式に従って算出されるコスト、及び上記（一）〜（四）の４つの制約条件に従って、Ｄｉｊｋｓｔｒａ法を利用し、４つの制約条件を満たし、かつ、コストの総和が最小となる、最適な車両状態の時系列パターンを探索する。

次に、ステップＳ１０６では、ステップＳ１０４において取得した最適な車両状態の時系列パターンのうち、一時刻後の車両状態に基づいて、車両を制御する命令を運転支援部５０に出力する。

次に、ステップＳ１０８では、ステップＳ１０６において取得した制御命令に従って、自車両の自動運転を制御し、ステップＳ１００へ移行し、ステップＳ１００〜ステップＳ１０８の処理を繰り返す。なお、繰り返し処理は、予測時間間隔毎に行われる。

＜実験例＞
本実施の形態における車両制御装置１００と、従来技術における現在の状況のみを用いて進路決定する車両制御装置とについて、シミュレーションを用いて比較したところ、本実施の形態における車両制御装置１００について燃費改善を確認することができた。ここで、本実験例の条件は、車線減少シーンを含む高速道路であり、１時間その区間を監視して通過する車両の燃費を測定し、予測は５秒先までの予測を行うこととした。

また、上記（一）〜（四）の４つの制約条件を導入した場合の探索数を図６に示す。図６に示すように、上記（一）〜（四）の４つの制約条件を導入することにより、演算量を削減することができる。

以上、説明したように、本実施の形態に係る車両制御装置１００によれば、加速状態、減速状態、等速状態、及び車線変更状態を含む４種類の車両状態を表す車両状態ノードの各々を、所定時刻後までの各時刻について有し、各車両状態ノードを時系列に連結して自車両の車両状態の時系列パターンの各々を表した車両状態ネットワークにおいて、各車両状態ノードについて、算出されるコストに従って、自車両の最適な車両状態の時系列パターンを探索することにより、速度の変化を許容して、所定時刻後までの自車両の最適な車両状態の時系列パターンを探索することができる。

また、本実施の形態に係る車両制御装置１００を利用することにより、所定時刻後までの最適な車両制御を実現することができる。このように所定時刻後までの最適な車両制御を実現することで、より性能の高い自動運転制御が実現できる。例えば、より燃費の高い自動運転、より安全な自動運転、より揺れの少ない自動運転などが実現できる。さらに、そのような予測型車両制御を現実的な計算時間で処理することも実現することができる。

また、所定時刻後までの車両挙動は、本来であれば無限大の可能性が存在するが、車両状態を複数の離散状態へと分割することにより、所定時刻後までの車両挙動の可能性を現実的な計算時間で処理することを実現できる。さらに、運転行動知識を利用した４つの制約条件を用いて探索数削減を行うことで、処理高速化を実現できる。

また、ＤＰアルゴリズムでは解決できないような組み合わせ最適化問題に対して、速度の変化を許容する状態系列の設定と、知識を利用した探索数の削減を利用して、最適解を導出することができる。

なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

本実施の形態においては、他車両の各々の位置情報を通信部１０によって時系列に取得する場合について説明したが、これに限定されるものではない。例えば、自車両に環境認識が可能なセンサ（カメラやレーザレーダ、ミリ波レーダ等）を積載し、当該センサを利用することで、周囲の他車両の情報（位置、速度、及び加速度）を取得してもよい。また、通信部１０によって時系列に他車両の各々のＧＰＳ情報を取得してもよい。また、その他、他車両の位置、速度、及び加速度を取得できる構成を用いてもよい。

また、本実施の形態においては、離散状態を加速状態、減速状態、等速状態、車線変更状態の４種類の車両状態とする場合について説明したが、これに限定されるものではない。例えば、当該４種類の車両状態を含んだ４種類以上の離散状態としてもよい。また、加速状態として、複数の加速状態を用いてもよいし、減速状態として、複数の減速状態を用いてもよい。例えば、加速状態として、１０ｍ／ｓ^２加速する第１加速状態と、２０ｍ／ｓ^２加速する第２加速状態とを用いてもよい。

また、本実施の形態においては、車両状態ノードのコストとして、上記（１）式に従って算出される値を定義したが、これに限定されるものではない。例えば、車両状態ノードについて上記（１）式に従って算出される値と、当該車両状態ノードの一つ前の車両状態ノードのコストとの和を、車両状態ノードのコストとして定義してもよい。

また、本実施の形態においては、上記（一）〜（四）の４つの制約条件の全てを用いる場合について説明したが、これに限定されるものではない。例えば、上記（一）〜（四）の４つの制約条件の内、少なくとも１つの制約条件を用いてもよい。

また、本実施の形態においては、道路の制限速度を、車両情報取得部２２により取得されている道路情報から求める場合について説明したがこれに限定されるものではない。例えば、道路の制限速度を、当該車両ノードにおける自車両の位置と、車両情報取得部２２により取得されている道路情報とから求めてもよい。

また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体に格納して提供することも可能であるし、ネットワークを介して提供することも可能である。

１０通信部
１２ＧＰＳ
１４速度センサ
１６加速度センサ
２０演算部
２２車両情報取得部
２４最適解探索部
２６制御部
２８車両状態ネットワーク記憶部
５０運転支援部
１００車両制御装置

Claims

自車両及び他車両の各々について、位置情報を含む車両情報を取得する車両情報取得手段と、
加速状態、減速状態、等速状態、及び車線変更状態を含む複数種類の車両状態を表すノードの各々を、所定時刻後までの各時刻について有し、各ノードを時系列に連結して、前記自車両の車両状態の時系列パターンの各々を表した車両状態ネットワークにおいて、各ノードについて、前記ノードが表す車両状態と前記車両情報取得手段によって取得された自車両及び他車両の各々の車両情報とに基づいて得られる、前記ノードに対応する時刻における自車両の速度、加速度、及び他車両に対する相対位置に基づいて算出されるコストに従って、自車両の最適な車両状態の時系列パターンを探索する最適解探索手段と、
を含む車両制御装置。
前記最適解探索手段は、前記自車両の最適な車両状態の時系列パターンにおいて前記車線変更状態を一度しか含まない制約条件、前記自車両の最適な車両状態の時系列パターンにおいて前記加速状態の直後に前記減速状態に遷移しないという制約条件、前記自車両の最適な車両状態の時系列パターンにおいて前記減速状態の直後に前記加速状態に遷移しないという制約条件、及び前記コストの計算式に応じて定められるヒューリスティック関数式を利用したＡ＊アルゴリズムで前記コストを評価した結果に従って前記自車両の最適な車両状態の時系列パターンを探索するという制約条件のうちの少なくとも１つの制約条件を満たすように、自車両の最適な車両状態の時系列パターンを探索する請求項１記載の車両制御装置。
前記最適解探索手段は、燃費項、制限速度項、及び安全車間項を含む予め定められた式に従って算出される前記ノードのコストを用いて、自車両の最適な車両状態の時系列パターンを探索する請求項１又は２記載の車両制御装置。
前記最適解探索手段は、以下の（１）式に示す式に従って算出される前記ノードのコストを用いて、自車両の最適な車両状態の時系列パターンを探索する請求項３記載の車両制御装置。

ただし、ｖは、一時刻前の前記ノードが表す車両状態に基づいて求められる、前記ノードに対応する時刻における自車両の速度であり、ａは、前記ノードが表す車両状態に基づいて求められる、前記ノードに対応する時刻における自車両の加速度であり、ｘ_ｎｅａｒは、前記車両情報取得手段によって取得された自車両及び他車両の各々の車両情報と一時刻前の前記ノードが表す車両状態とに基づいて求められる、前記ノードに対応する時刻における進行方向での自車両に最も近い他車両までの距離であり、ｙ_ｎｅａｒは、前記車両情報取得手段によって取得された自車両及び他車両の各々の車両情報と一時刻前の前記ノードが表す車両状態とに基づいて求められる、前記ノードに対応する時刻における進行方向に垂直な方向での自車両に最も近い他車両までの距離であり、ｌは、前記車両情報取得手段によって取得された自車両の位置情報に基づいて得られる道路の制限速度であり、ｔは、前記ノードに対応する時刻の間隔であり、Ｗは燃料消費量に関する関数であり、λ_a、λ_b、λ_c、α、及びβは予め定められた調整パラメータである。
前記最適解探索手段は、以下の（２）式で計算される値を利用して、前記Ａ＊アルゴリズムで前記ノードのコストを評価した結果に従って、前記自車両の最適な車両状態の時系列パターンを探索する請求項４記載の車両制御装置。

ただし、ｖは、一時刻前の前記ノードが表わす車両状態に基づいて求められる、前記ノードに対応する時刻における自車両の速度であり、ｌは、前記車両情報取得手段によって取得された自車両の位置情報に基づいて得られる道路の制限速度である。
前記最適解探索手段によって探索された自車両の最適な車両状態の時系列パターンのうちの一時刻後の車両状態に基づいて、自車両の運転制御を行う制御手段を更に含む請求項１〜５の何れか１項記載の車両制御装置。
コンピュータを、
自車両及び他車両の各々について、位置情報を含む車両情報を取得する車両情報取得手段、及び
加速状態、減速状態、等速状態、及び車線変更状態を含む複数種類の車両状態を表すノードの各々を、所定時刻後までの各時刻について有し、各ノードを時系列に連結して、前記自車両の車両状態の時系列パターンの各々を表した車両状態ネットワークにおいて、各ノードについて、前記ノードが表す車両状態と前記車両情報取得手段によって取得された自車両及び他車両の各々の車両情報とに基づいて得られる、前記ノードに対応する時刻における自車両の速度、加速度、及び他車両に対する相対位置に基づいて算出されるコストに従って、自車両の最適な車両状態の時系列パターンを探索する最適解探索手段、
として機能させるためのプログラム。