JP6603585B2 - 車両の制御装置及び車両の制御方法 - Google Patents

Description

本発明は、車両の制御装置及び車両の制御方法に関する。

従来、例えば下記の特許文献１には、自車から所定間隔離れた前方を走行中の他車が検出した天候情報から悪天候が予想される場合には、ダウンシフト制御により減速し、車両の安定性を確保する制御装置が記載されている。

特開２００５−２８５１３５号公報

しかしながら、特許文献１に記載されている技術では、前方を走行中の他車が雨であると判定した場合は、自動変速機をダウンシフトして減速を促すようにしているが、現在走行中の路面状況が悪化している場合に、現在走行中の路面状況を考慮した上で最適な制御を行うことは想定していない。

特に、現在走行中の路面状況が雨路、雪路などの場合は、将来的に走行する路面に基づいて車両を制御すると、現在走行中の路面状況に対応する制御が困難となるため、車両がスリップするなど車両挙動が不安定になることが想定される。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、車両の将来的な環境情報と、車両の現在の走行状況に基づいて駆動トルクを制御することで、車両挙動を確実に安定させることが可能な、新規かつ改良された車両の制御装置及び車両の制御方法を提供することにある。

上記課題を解決するために、本発明のある観点によれば、車両の将来的な環境情報に基づいて、車両の旋回方向に付与する第１駆動トルクを演算する第１駆動トルク演算部と、車両の現在の走行状況に基づいて、車両の旋回方向に付与する第２駆動トルクを演算する第２駆動トルク演算部と、車両の現在の走行状況に基づいて前記第１駆動トルクと前記第２駆動トルクを重み付けすることで、車両の旋回方向に付与する駆動要求トルクを演算する駆動要求トルク演算部と、を備え、前記第１駆動トルク演算部は、悪天候の兆候を検知してからの経過時間が長いほど前記第１駆動トルクを減少させる車両の制御装置が提供される。
また、上記課題を解決するために、本発明の別の観点によれば、車両の将来的な環境情報に基づいて、車両の旋回方向に付与する第１駆動トルクを演算する第１駆動トルク演算部と、車両の現在の走行状況に基づいて、車両の旋回方向に付与する第２駆動トルクを演算する第２駆動トルク演算部と、車両の現在の走行状況が車両挙動を不安定化させるときは、車両挙動を不安定化させないときに比べ、前記第１駆動トルクに対する前記第２駆動トルクの重み付けを高くするように、前記第１駆動トルクと前記第２駆動トルクを重み付けすることで、車両の旋回方向に付与する駆動要求トルクを演算する駆動要求トルク演算部と、を備える車両の制御装置が提供される。

前記第１駆動トルク演算部は、将来の予測到達地点の路面状況に基づいて、前記第１駆動トルクを演算するものであっても良い。

前記第１駆動トルクは、左右の車輪に対する偶力として車両の旋回方向に付与され、前記第１駆動トルク演算部は、前記第１駆動トルクを減少することで左右の車輪の駆動力差を減少させるものであっても良い。

また、前記第２駆動トルクは、左右の車輪に対する偶力として車両の旋回方向に付与され、前記第２駆動トルク演算部は、前記第２駆動トルクを減少することで左右の車輪の駆動力差を減少させるものであっても良い。

また、前記第２駆動トルク演算部は、カメラで路面を撮像して得られた画像情報に基づいて、現在の路面状況が悪いほど前記第２駆動トルクを減少させるものであっても良い。

また、前記第２駆動トルク演算部は、車両モデルから演算されたヨーレートモデル値とヨーレートセンサが検出した実ヨーレートとの差分に基づいて、前記差分が大きいほど前記第２駆動トルクを減少させるものであっても良い。

また、前記駆動要求トルク演算部は、カメラで路面を撮像して得られた画像情報に基づいて、現在の路面状況が悪いほど前記第１駆動トルクに対する前記第２駆動トルクの重み付けを高くするものであっても良い。

また、前記駆動要求トルク演算部は、車両速度が高いほど前記第１駆動トルクに対する前記第２駆動トルクの重み付けを高くするものであっても良い。

また、前記駆動要求トルク演算部は、車両モデルから演算されたヨーレートモデル値とヨーレートセンサが検出した実ヨーレートとの差分に基づいて、前記差分が大きいほど前記第１駆動トルクに対する前記第２駆動トルクの重み付けを高くするものであっても良い。

また、上記課題を解決するために、本発明の別の観点によれば、車両の将来的な環境情報に基づいて、車両の旋回方向に付与する第１駆動トルクを演算するステップであって、悪天候の兆候を検知してからの経過時間が長いほど前記第１駆動トルクを減少させるステップと、車両の現在の走行状況に基づいて、車両の旋回方向に付与する第２駆動トルクを演算するステップと、車両の現在の走行状況に基づいて前記第１駆動トルクと前記第２駆動トルクを重み付けすることで、車両の旋回方向に付与する駆動要求トルクを演算するステップと、を備える車両の制御方法が提供される。

以上説明したように本発明によれば、車両の将来的な環境情報と、車両の現在の走行状況に基づいて駆動トルクを制御することで、車両挙動を確実に安定させることが可能となる。

本発明の一実施形態に係る車両を示す模式図である。 操舵による旋回制御を示す模式図である。 制御装置の構成を示す模式図である。 制御装置で行われる処理を示すフローチャートである。 降雨時に路面の摩擦係数μが時間に伴って変化する様子を示す模式図である。 第１駆動トルク補正係数演算部がゲインζを算出するためのゲインマップ２７０を示す特性図である。 第１駆動トルク補正係数演算部が単位時間当たりのゲインζの変化量Δζを算出する処理を示すフローチャートである。 図７の処理に基づいて、変化量Δζによって調整されたゲインζの変化を示す特性図である。 ステレオカメラが撮像した矩形の画像内に設定された、マトリクス状の複数の監視領域を示す模式図である。 第２駆動トルク補正係数演算部がゲインτを算出するためのゲインマップを示す特性図である。 第２駆動トルク補正係数演算部がゲインκを算出するためのゲインマップ２７４を示す特性図である。 第２駆動トルク補正係数演算部が車両速度Ｖに応じたゲイン（ＧａｉｎＶ）を算出するためのゲインマップを示す特性図である。 第２駆動トルク補正係数演算部がヨーレート偏差γ＿ｄｉｆｆに応じたゲイン（Ｇａｉｎγ＿ｄｉｆｆ）を算出するためのゲインマップを示す特性図である。 外界認識部が検知した路面状況に応じたゲイン（ＧａｉｎＲｏａｄＣｏｎｄｉｔｉｏｎ）を算出するゲインマップを示す特性図である。 本実施形態の処理により制御された各パラメータを示す模式図である。 本実施形態の処理により制御された各パラメータを示す模式図である。 本実施形態の処理により制御された各パラメータを示す模式図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

１．本発明の一実施形態に係る車両の構成例
まず、図１を参照して、本発明の一実施形態に係る車両１０００の構成について説明する。図１は、本実施形態に係る車両１０００を示す模式図である。図１に示すように、車両１０００は、前輪１００，１０２、後輪１０４，１０６、前輪１００，１０２及び後輪１０４，１０６のそれぞれを駆動する駆動力発生装置（モータ）１０８，１１０，１１２，１１４、前輪１００，１０２及び後輪１０４，１０６のそれぞれの車輪速を検出する車輪速センサ１１６，１１８，１２０，１２２、ステアリングホイール１２４、舵角センサ１３０、パワーステアリング機構１４０、ヨーレートセンサ１５０、横加速度センサ１６０、制御装置（コントローラ）２００、外界認識部２２０を有して構成されている。

本実施形態に係る車両１０００は、前輪１００，１０２及び後輪１０４，１０６のそれぞれを駆動するためにモータ１０８，１１０，１１２，１１４が設けられている。このため、前輪１００，１０２及び後輪１０４，１０６のそれぞれで駆動トルクを制御することができる。従って、前輪１００，１０２の操舵によるヨーレート発生とは独立して、前輪１００，１０２及び後輪１０４，１０６のそれぞれを駆動することで、トルクベクタリング制御によりヨーレートを発生させることができる。特に、後輪１０４，１０６のトルクを個別に制御することで、ハンドル操舵系とは独立してヨーレートを発生させることができる。後輪１０４，１０６は、制御装置２００の指令に基づき、後輪１０４，１０６に対応するモータ１１２，１１４が制御されることで、駆動トルクが制御される。

パワーステアリング機構１４０は、ドライバによるステアリングホイール１２４の操作に応じて、トルク制御又は角度制御により前輪１００，１０２の舵角を制御する。舵角センサ１３０は、運転者がステアリングホイール１２４を操作して入力した舵角θ_Ｈを検出する。ヨーレートセンサ１５０は、車両１０００の実ヨーレートγを検出する。車輪速センサ１１６，１１８，１２０，１２２は、車両１０００の車両速度Ｖを検出する。

なお、本実施形態はこの形態に限られることなく、前輪１００，１０２を駆動するモータ１０８，１０２が設けられておらず、後輪１０４，１０６のみがモータ１１２，１１４で独立して駆動力を発生する車両であっても良い。また、後輪１０４，１０６を駆動するモータ１１２，１１４が設けられておらず、前輪１００，１０２のみがモータ１０８，１０２で独立して駆動力を発生する車両であっても良い。

図２は、本実施形態に係る車両１０００が行う操舵による旋回制御（操安制御）を示す模式図である。操舵による旋回制御では、ドライバによるステアリングホイール１３０の操作に応じて後輪１０４，１０６に駆動力差を生じさせることで、車両１０００の旋回を支援する。図２に示す例では、ドライバ（運転者）の操舵により車両１０００が左に旋回している。また、後輪１０４，１０６の駆動力差によって、右側の後輪１０６に前向きの駆動力を発生させ、左側の後輪１０４には右側の後輪１０６に対して駆動力を抑制、または後ろ向きに駆動力を発生させることで、左右に駆動力差を発生させ、左回りの旋回を支援する方向にモーメントを発生させている。

本実施形態に係る車両１０００は、舵角センサ１３０、車輪速センサ１１６，１１８，１２０，１２２、ヨーレートセンサ１５０、横加速度センサ１６０など、車両の走行状態を計測するセンサから旋回支援に伴う駆動力の目標値を算出する車両であり、外界認識部２２０から取得した将来的な環境情報から車両１０００が不安定になる予兆を検知した場合には、将来的な情報に基づき指定する第１駆動トルクの配分を高めて、左右の駆動力差を徐々に抑制する。

一方、外界認識部２２０から取得した進行路等の周囲の環境情報、または現在の車両挙動に基づき車両が不安定になる環境を検知した場合には、現在の状況に基づき指定する第２駆動トルクの配分を高めた状況で各輪の要求駆動力を指定することで、将来的な環境情報から車両１０００が不安定になる予兆を検知した状況に比べ、速やかに左右の駆動力差を抑制する。以下、詳細に説明する。

２．制御装置の構成
図３は、制御装置２００の構成を示す模式図である。制御装置２００は、車載センサ２１０、ＧＰＳ２１２、外界認識部２２０、駆動目標トルク演算部２３０、第１駆動トルク補正係数演算部２４０、第２駆動トルク補正係数演算部２５０、車両モデル演算部２６０、減算部２６２、ゲインマップ処理部２７０，２７２，２７４，２７６，２７８，２７９、駆動目標トルク補正処理部２８０、を有している。駆動目標トルク補正処理部２８０は、第１駆動トルク演算部２８２、第２駆動トルク演算部２８４、トルク補正係数演算部２８６、駆動要求トルク算出部２８８を有して構成されている。

外界認識部２２０は、外部の環境を認識するための構成要素である。外部認識部２２０は、天候情報を位置情報（ＧＰＳ情報）とともに取得することができる。また、外界認識部２２０は、ステレオカメラ、雨滴センサ、勾配センサ等のセンサを含み、車両周辺の天候、路面の傾斜等の環境情報を取得する。外界認識部２２０は、無線通信部を備え、天候情報を無線通信により取得する。また、外界認識部２２０は、ＧＰＳ２１２から位置情報と可降水量を取得することができ、可降水量を天候情報の指標として活用し、一定以上の可降水量が見込める場合に、悪天候と認識することができる。また、外部認識部２２０が備えるステレオカメラは、車両外部を撮像し、車両外部の画像情報、特に車両前方の路面、走行レーンを示す車線、先行車、信号機、各種標識類の画像情報を取得する。ステレオカメラは、ＣＣＤセンサ、ＣＭＯＳセンサ等の撮像素子を有する左右１対のカメラを有して構成され、車両外の外部環境を撮像することで画像情報を取得する。

３．制御装置で行われる処理の概要
図４は、制御装置２００で行われる処理を示すフローチャートである。図４において、先ず、ステップＳ１００では、駆動目標トルク演算部２３０が各車輪の駆動目標トルクＭｏｔＴｒｑＴｇｔを演算する。次のステップＳ１１０では、車両モデル演算部２６０が車両モデルを演算する。次のステップＳ１２０では、第１駆動トルク補正係数演算部２４０が、第１駆動目標トルクの補正係数Ｃｏｅｆ１を演算する。次のステップＳ１３０では、第１駆動トルク演算部２８２が第１駆動トルクＭｏｔＴｒｑ１を演算する。次のステップＳ１４０では、第２駆動トルク補正係数演算部２５０が、第２駆動目標トルクの補正係数Ｃｏｅｆ２を演算する。次のステップＳ１５０では、第２駆動トルク演算部２８４が第２駆動トルクＭｏｔＴｒｑ２を演算する。次のステップＳ１６０では、トルク補正係数演算部２８６がトルク補正係数ＴｒｑＣｏｅｆを演算する。次のステップＳ１７０では、駆動要求トルク算出部２８８が駆動トルクを演算する。なお、各ステップの処理は各車輪毎に行われるものであって良い。

４．制御装置の各構成要素で行われる処理
以下では、図３に示す制御装置２００の各構成要素で行われる処理について詳細に説明する。駆動目標トルク演算部２３０は、車両速度Ｖやアクセル開度等によって定まる前後駆動トルクとは別に、舵角、車速、ヨーレートから、車輪に付与する制御目標トルク（左右トルク配分）を各輪分算出する。ここで算出される制御目標トルク（左右トルク配分）には、アクセル開度等によって定まる前後駆動トルク分は含まれない。具体的には、駆動目標トルク演算部２３０は、車両速度Ｖ、操舵角θ_Ｈ、ヨーレートγに基づいて、各車輪に付与する制御目標トルクＭｏｔＴｒｑＴｇｔＦＬ（ＦＬ輪），ＭｏｔＴｒｑＴｇｔＦＲ（ＦＲ輪），ＭｏｔＴｒｑＴｇｔＲＬ（ＲＬ輪），ＭｏｔＴｒｑＴｇｔＲＲ（ＲＲ輪）を算出する。ＭｏｔＴｒｑＴｇｔＦＬは左前輪の制御目標トルクであり、ＭｏｔＴｒｑＴｇｔＦＲは右前輪の制御目標トルクであり、ＭｏｔＴｒｑＴｇｔＲＬは左後輪の制御目標トルクであり、ＭｏｔＴｒｑＴｇｔＲＲは右後輪の制御目標トルクである。また、ここで算出される制御目標トルクＭｏｔＴｒｑＴｇｔＦＬ，ＭｏｔＴｒｑＴｇｔＦＲ，ＭｏｔＴｒｑＴｇｔＲＬ，ＭｏｔＴｒｑＴｇｔＲＲは、左右駆動力配分の基本量となるトルクである。なお、駆動目標トルク演算部２３０が演算する制御目標トルクＭｏｔＴｒｑＴｇｔは、他の方法で算出されても良く、例えば、ステアリングによる操安制御や、外界認識部２２０の車線検知による車両制御で算出される状態量、マップで与えられる指示値、などで定まるものであっても良い。

第１駆動トルク補正係数演算部２４０は、ゲインマップ２７０によるマップ処理により、将来的な悪天候の兆候を検知してからの経過時間に応じて、制御目標トルクＭｏｔＴｒｑＴｇｔを補正するゲインζを算出する。

図５は、降雨時に路面の摩擦係数μが時間に伴って変化する様子を示す模式図である。図５に示すように、時刻０では乾いた路面状態であり摩擦係数μは高いが、時刻ｔ０で雨が降り始めると摩擦係数μが低下し始め、降り始めから２０分程度が経過した時点で、泥やホコリの影響により最も摩擦係数μが低くなる。その後は、雨が降り続いていても、泥やホコリが路面上から洗い流されるため、摩擦係数μは増加する。そして、時刻ｔ１で雨が止むと摩擦係数μは増加していき、路面が乾くと摩擦係数μが元の高い状態に復帰する。

以上のように、図５によれば、雨の降り始めから２０分程度経過した時点が最も滑りやすい路面状態であることが判る。このため、第１駆動トルク補正係数演算部２４０は、悪天候の兆候を検知してからの経過時間に応じて、雨の降り始めから２０分程度経過した時点で制御目標トルクＭｏｔＴｒｑＴｇｔを最も低下させるためのゲインζを算出する。なお、例えば外界認識部２２０が有するステレオカメラや雨滴センサにより最初に雨滴を検出した時点で将来的な悪天候の兆候を検知したものとすることができる。これにより、将来的な環境情報として、最初の検知から２０分走行後の予測到達地点において路面状況が悪くなることを推定できる。

図６は、第１駆動トルク補正係数演算部２４０がゲインζを算出するためのゲインマップ２７０を示す特性図である。図６に示すように、悪天候の兆候を検知してからの経過時間が長くなるほど、ゲインζの値は小さくなり、経過時間ＴＨ２＿Ｐに達するとゲインζは０となる。一例として、時刻ｔ＝０で悪天候の兆候を検知した場合、ＴＨ２＿Ｐを２０分後に設定する。これにより、雨の降り始めから２０分程度経過した時点で、ゲインζが０となる。第１駆動トルク補正係数演算部２４０は、第１駆動トルク補正係数Ｃｏｅｆ１として、ゲインζを指定する（Ｃｏｅｆ１＝ζ）。ここで、ゲインζは、悪天候の兆候を検知してからの経過時間から求まる将来的な予測到達地点の路面状況に応じたゲインであるため、第１駆動トルク補正係数Ｃｏｅｆ１は、将来的な車両の環境情報に基づく補正係数となる。

第１駆動トルク演算部２８２は、車両の旋回状況によって求まる左右駆動トルク配分のうち、将来的な情報によって求まる第１駆動トルクＭｏｔＴｒｑ１を、第１駆動トルク補正係数Ｃｏｅｆ１（各輪分）と駆動目標トルクＭｏｔＴｒｑＴｇｔ（各輪分）の積により算出する。すなわち、第１駆動トルクＭｏｔＴｒｑ１は、以下の式（１）より算出される。なお、（＃）は同一の輪が対象であることを示しており、＃はＦＬ（左前輪）、ＦＲ（右前輪）、ＲＬ（左後輪）、ＲＲ（右後輪）を表している。
ＭｏｔＴｒｑ１（＃）＝ＭｏｔＴｒｑＴｇｔ（＃）×Ｃｏｅｆ１（＃） ・・・（１）

駆動目標トルクＭｏｔＴｒｑＴｇｔは、車速やアクセル開度等によって定まる前後駆動トルクとは別個に（パラレルに）求められるため、駆動目標トルクＭｏｔＴｒｑＴｇｔには前後駆動トルク分が含まれない。このため、左右輪の駆動目標トルクＭｏｔＴｒｑＴｇｔにＣｏｅｆ１を乗算することで、特に経過時間が長くＣｏｅｆ１の値が低下している場合に、左右輪の駆動力差が抑制される。

以上のように、第１駆動トルク演算部２８２は、外界の環境情報を取得する車両において、将来的な情報から悪天候の兆候を取得した際には、車両１０００の旋回に関する所定の操作量と将来的な情報に基づいて車両１０００に付与する第１駆動トルクＭｏｔＴｒｑ１を演算することで、将来的な左右の駆動力差を抑制し、車両の安定性能を確保する。また、将来的な情報から悪天候の兆候を検知した際には、最も滑りやすく危険な時間帯に合わせて左右の駆動力差を抑制する方向へ徐々に変更する。これにより、車両挙動を確実に安定化することができる。

また、悪天候の兆候を検知し、最も滑りやすい時間帯に合わせて左右の駆動力差を徐々に変更させる場合は、左右等トルク（例えば４輪等トルクモード）に相当する駆動力配分を目標水準としても良い。例えば、最も危険な時間帯においては、最終的に４輪等トルクモードでの配分となる様に、左右トルク配分の目標値を減少方向へ徐々に変化させるようにしても良い。

以上のような観点から、第１駆動トルク演算部２８２は、悪天候の兆候を検知してからの経過時間や、ＧＰＳの位置情報など将来的な状態を示すパラメータの推移に応じて算出される第１駆動トルク補正係数Ｃｏｅｆ１で、左右トルク配分の目標値を徐々に０へ推移させる。これにより、左右のトルク差が０となる方向へ駆動目標トルクＭｏｔＴｒｑＴｇｔが徐々に変化し、第１駆動トルクＭｏｔＴｒｑ１が算出される。

次に、ゲインζの算出について詳細に説明する。第１駆動トルク補正係数演算部２４０は、車両速度Ｖと天候情報（ＧＰＳ）に基づいて、単位時間当たりのゲインζの変化量Δζを算出する。具体的には、第１駆動トルク補正係数演算部２４０は、悪天候の兆候を取得してからの経過時間、悪天候の兆候を検知してから車両が走行した走行距離から、単位時間当たりのゲインζの変化量Δζを算出する。

図７は、第１駆動トルク補正係数演算部２４０が単位時間当たりのゲインζの変化量Δζを算出する処理を示すフローチャートである。図７の処理は、所定の制御周期毎に行われる。先ず、ステップＳ１０では、車両速度Ｖと予想到達時間（例えば２０分）Ｔ_ＥＳＴから予測到達地点までの距離Ｌ_ＥＳＴを算出する。距離Ｌ_ＥＳＴは以下の式（２）から算出される。
Ｌ_ＥＳＴ＝Ｖ×Ｔ_ＥＳＴ ・・・（２）

経過時間Ｔ_ＥＳＴとして、雨が降り始めてから最も危険な時間（２０分）を指定する。車両速度Ｖとしては、検知時点の現在の車速を使用する。但し、車両速度Ｖとしては、これに限定されるものではなく、ある所定の時間帯（数〜数百サンプリング前まで）から算出される車両速度Ｖの平均値Ｖ_ＭＥＡＮで代用しても良い。

上述したように、図５によれば、雨の降り始めから２０分程度経過した時点が最も滑りやすい路面状態であることが判る。このため、図７のステップＳ１０では、経過時間Ｔ_ＥＳＴを２０分として予測到達地点までの距離Ｌ_ＥＳＴを算出する。これにより、予測到達地点は最も滑り易い路面状態である地点に相当し、距離Ｌ_ＥＳＴは現在の車両１０００の位置から予測到達地点までの距離に相当する。

次のステップＳ１２では、悪天候の兆候を取得したか否かを判定し、悪天候の兆候を取得した場合はステップＳ１４へ進む。悪天候の兆候は、外界認識部２２０のステレオカメラ、雨滴センサから取得することが可能である。また、外部から天候情報（ＧＰＳ）を取得することで悪天候の兆候を取得することも可能である。

ステップＳ１４では、車両速度Ｖと悪天候を検知してからの経過時間から走行距離Ｌ_ＮＯＷを算出する。具体的には、以下の式（３）に基づいて、サンプリング時間Δtと各サンプリング時の車速Ｖｋを積算することで、ステップＳ１２で悪天候の兆候を取得してからの走行距離Ｌ_ＮＯＷを算出する。

次のステップＳ１６では、以下の式（４）に基づいて、Ｌ_ＥＳＴからＬ_ＮＯＷを減算することでΔＬを求める。
ΔＬ＝Ｌ_ＥＳＴ−Ｌ_ＮＯＷ ・・・（４）

ここで算出されたΔＬは、予測到達地点までの残りの距離を表しているため、ΔＬが小さいほど予測到達地点（最も滑り易い路面状態である地点）に近づいていることになる。

一方、ステップＳ１２で悪天候の兆候を取得しなかった場合は、ステップＳ１８へ進む。つまり、好天だと想定される場合は、ステップＳ１８へ進む。ステップＳ１８では、悪天候の兆候を取得してから積算し始めた走行距離（Ｌ_ＮＯＷ）を０にリセットする（Ｌ_ＮＯＷ＝０）。次のステップＳ２０では、ΔＬ＝ΔＬ_ＭＡＸ１とする。ここで、ΔＬ_ＭＡＸ１として、悪天候時には到達しない値を指定する。ΔＬ_ＭＡＸ１は、例えば、正の値であって、マイコンの演算処理上、最大値として取り扱われるガード値とする。

ステップＳ１６，Ｓ２０の後はステップＳ２２へ進む。ステップＳ１６，Ｓ２０で求めたΔＬの値は、車両１０００の現在位置から予測到達地点（最も滑り易い路面状態である地点）までの距離を表しており、ΔＬが小さいほど路面が滑り易いことが想定される。ステップＳ２２では、ΔＬ＜ΔＬ_ＭＡＸ２であるか否かを判定し、ΔＬ＜ΔＬ_ＭＡＸ２の場合はステップＳ２４へ進む。一方、ΔＬ＜ΔＬ_ＭＡＸ２でない場合はステップＳ２６へ進む。なお、ΔＬ_ＭＡＸ１とΔＬ_ＭＡＸ２の大小関係は、ΔＬ_ＭＡＸ１＞ΔＬ_ＭＡＸ２とする。また、ΔＬ_ＭＡＸ２に相当する時間が、図６のＴＨ１＿Ｐに対応する。

ステップＳ２４へ進んだ場合、予測到達地点（最も滑り易い路面状態である地点）に近いと考えられるため、単位時間当たりのゲインζの変化量ΔζをＤＥＬＴＡ＿ＺＥＴＡ＿Ｐとする。ここで、ＤＥＬＴＡ＿ＺＥＴＡ＿Ｐは正の値である（ＤＥＬＴＡ＿ＺＥＴＡ＿Ｐ＞０）。

また、ステップＳ２６へ進んだ場合、良天候であるため、単位時間当たりのゲインζの変化量ΔζをＤＥＬＴＡ＿ＺＥＴＡ＿Ｍとする。ここで、ＤＥＬＴＡ＿ＺＥＴＡ＿Ｍは負の値である（ＤＥＬＴＡ＿ＺＥＴＡ＿Ｍ＜０）。

以上のようにして、第１駆動トルク補正係数演算部２４０は、悪天候の兆候がある場合は、現在位置から予測到達地点までの距離に応じて、単位時間当たりのゲインζの変化量Δζとして正の値を出力する。一方、第１駆動トルク補正係数演算部２４０は、悪天候の兆候がない場合は、通常制御復帰モードとし、単位時間当たりのゲインζの変化量Δζとして負の値を出力する。そして、第１駆動トルク補正係数演算部２４０は、図７の処理を繰り返すことで、変化量Δζを積算することでゲインζを算出し、ゲインζに基づいて第１駆動トルク補正係数を演算する。

図８は、図７の処理に基づいて、変化量Δζに基づいて第１駆動トルク補正係数演算部２４０が算出したゲインζを示す特性図である。図８に示すように、図７の処理を行うことで、ΔＬの変化に応じてζが変化し、ΔＬが小さくなるほどζの値が大きくなる。従って、悪天候の兆候を検知してからの経過時間に応じて、図６のマップに対して更に高精度にゲインζを算出することができる。

このように、本実施形態では、将来的な予測到達地点での環境情報を予測し、悪天候の兆候があり、予測到達地点で最も滑り易い路面状態になることが想定される場合は、予想到達地点としてＬ_ＭＡＸ１、トルクを徐変し始める距離をＬ_ＭＡＸ２として指定し、第１駆動トルク補正係数Ｃｏｅｆ１によって第１駆動トルクＭｏｔＴｒｑ１を調整することで、将来的な環境情報に応じた駆動トルクの制御を実現する。これにより、予測到達地点に到着した際に駆動トルクが最適に制御されるため、予測到達地点での車両挙動を確実に判定させることができる。なお、上述した例では、雨の降り始めから２０分程度経過した時間帯が最も滑り易いことから、２０分経過時に車両が走行している地点での環境情報を将来的な環境情報としているが、これに限定されるものではない。例えば、地域的な天候情報を位置情報とともに取得し、ナビゲーションシステムから得られる自車の目的地までの経路が雨の地域を通過する場合は、雨の地域を予測到達地点として、予測到達地点に到着した際に駆動トルクを最適に制御することもできる。

第２駆動トルク補正係数演算部２５０は、ゲインマップ２７２によるマップ処理により、外界認識部２２０で検知した路面状況に応じてゲインτを算出する。また、第２駆動トルク補正係数演算部２５０は、ゲインマップ２７４によるマップ処理により、ヨーレートモデル値γ＿ｍｄｌと実ヨーレートγとの偏差γ＿ｄｉｆｆに応じてゲインκを算出する。そして、第２駆動トルク補正係数演算部２５０は、ゲインτとゲインκの積から、制御目標トルクＭｏｔＴｒｑＴｇｔを補正するための第２駆動トルク補正係数Ｃｏｅｆ２を算出する。

先ず、ゲインτの算出について説明する。図９は、ステレオカメラが撮像した矩形の画像２４０内に設定された、マトリクス状の複数の監視領域３００を示す模式図である。図９に示す例では、ステレオカメラにより車両前方の景色が被写体として撮像されており、先行車両３５０の一部、および車線３６０の一部が画像３４０内に写っている。

図９に示すように、ステレオカメラ１３０が撮像した画像をマトリクス状の複数の領域に分割してそれぞれを監視領域３００とし、各監視領域内でウェットデータ率ＲＴおよび平均輝度Ａ、輝度エッジ数Ｎを算出する。雪路であるか否かの判定は、各監視領域３００の水平方向に関する輝度エッジ数Ｎと、各監視領域３００の全体的な平均輝度Ａを算出し、輝度エッジ数Ｎが閾値より小さく、かつ平均輝度Ａが閾値より大きい場合に雪路と判定することができる。このような手法は、例えば特開２００１−４３３５２号公報に記載されている。

また、ウェット路であるか否かの判定は、ステレオカメラから得られる監視領域３００の各所定領域までの距離データに関して三次元空間における高さを求め、走行路の路面よりも低い位置で立体物が路面に移りこんでいることに起因した距離データ数をウェットデータ数としてカウントする。ウェットデータ数を走行路の路面に対応する距離データ数（ドライデータ数）で割ったものをウェットデータ率ＲＴとして算出し、ウェットデータ率ＲＴが閾値より大きい場合にウェット路と判定する。このような手法は、例えば特開２００１−４１７４１号公報に記載されている。

図１０は、第２駆動トルク補正係数演算部２５０がゲインτを算出するためのゲインマップ２７２を示す特性図である。図１０に示すように、外界認識部２２０で検知した路面状況（Ｒｏａｄ Ｃｏｎｄｉｔｉｏｎ）が良好なほど、すなわち、ドライ路面であるほど、ゲインτの値は大きくなり、路面状況（Ｒｏａｄ Ｃｏｎｄｉｔｉｏｎ）がＴＨ２に達するとゲインτはＭＡＸ＿ＧＡＩＮとなる。また、路面状況（Ｒｏａｄ Ｃｏｎｄｉｔｉｏｎ）がＴＨ１より小さい場合は、ゲインτはＭＩＮ＿ＧＡＩＮ（＝０）となる。

次に、ゲインκの算出について説明する。車両モデル演算部２６０は、車両速度Ｖ、タイヤ舵角δに基づいて、車両の挙動を模擬した車両モデル（平面２輪モデル）を参照し、以下の式（５）、式（６）のγをヨーレートモデル値γ＿ｍｄｌとして算出する。また、以下の式（５）、式（６）のβを横すべり角モデル値（β＿ｍｄｌ）として算出する。なお、タイヤ舵角δは、ステアリング操舵角θ_Ｈをステアリングギヤ比で除算して算出する。

なお、上式において、定数、変数は以下の通りである。
ｍ：車両の慣性重量
I：車両のヨー慣性
δ：舵角（タイヤ転舵角）
Ｖ：車両速度
β：車体横すべり角
γ：ヨーレート（＝γ＿ｍｄｌ）
ｌｆ：前軸位置と重心位置との距離
ｌｒ：後軸位置と重心位置との距離
Ｋｆ，Ｋｒ：コーナーリングフォース

減算部２６２は、車両に搭載されているヨーレートセンサ１５０が検出したヨーレートセンサ値（実ヨーレートγ）と、ヨーレートモデル値γ＿ｍｄｌとの差分を取ることでヨーレート偏差（γ＿ｄｉｆｆ）を算出する。すなわち、ヨーレート偏差γ＿ｄｉｆｆは、以下の式から算出される。ヨーレート偏差γ＿ｄｉｆｆは、車両モデルと実車挙動との乖離度合（モデル信頼度）を判別する指標となる。
γ＿ｄｉｆｆ＝γ＿ｍｄｌ−γ

図１１は、第２駆動トルク補正係数演算部２５０がゲインκを算出するためのゲインマップ２７４を示す特性図である。なお、図１１において、ＴＨ１＿Ｐは重み付けゲインの切り替えしきい値（＋側）であり、ＴＨ２＿Ｐは重み付けゲインの切り替えしきい値（＋側）であり、ＴＨ１＿Ｍは重み付けゲインの切り替えしきい値（−側）であり、ＴＨ２＿Ｍは重み付けゲインの切り替えしきい値（−側）である。各しきい値の大小関係は、ＴＨ１＿Ｐ＜ＴＨ２＿Ｐ、ＴＨ１＿Ｍ＞ＴＨ２＿Ｍとする。第２駆動トルク補正係数演算部２５０は、γ＿ｄｉｆｆを入力とするゲインマップ２７４を使用して、重みづけゲインκを算出する。図１１に示すように、γ＿ｄｉｆｆが所定のしきい値（ＴＨ１＿Ｐ及びＴＨ１＿Ｍ）の範囲内であれば、車両モデルから算出したヨーレートモデル値γ＿ｍｄｌの信頼度が高いと判別してκ＝ＭＡＸ＿ＧＡＩＮ（例えばＭＡＸ＿ＧＡＩＮ＝1）とする。また、｜γ＿ｄｉｆｆ｜が所定の閾値（ＴＨ２＿ＰまたはＴＨ２＿Ｍ）よりも大きい場合は、車両モデルから算出したヨーレートモデル値γ＿ｍｄｌの信頼度が低いと判別してκ＝０とする。また、ＴＨ１＿Ｐ＜γ＿ｄｉｆｆ＜ＴＨ２＿Ｐ、またはＴＨ２＿Ｍ＜γ＿ｄｉｆｆ＜ＴＨ１＿Ｍの範囲では、γ＿ｍｄｌとγの乖離度合（モデル信頼度）に応じて、０と１の間でκを線形補間する。以上のように、ヨーレート偏差γ＿ｄｉｆｆのゲイン（絶対値）が大きくなるほど、ヨーレートモデル値γ＿ｍｄｌの信頼度が低く、路面状況が悪いことが推定される。

第２駆動トルク補正係数演算部２５０は、ゲインτとゲインκの積から第２駆動トルク補正係数Ｃｏｅｆ２を算出する（Ｃｏｅｆ２＝κ×τ）。ここで、ゲインτとゲインκは、自車周囲の現在的な情報から求まるゲインであるため、第２駆動トルク補正係数Ｃｏｅｆ２は、現在の車両の走行状況に基づく補正係数となる。

以上のようにして、第２駆動トルク演算部２８４は、車両速度Ｖやアクセル開度等によって定まる前後駆動トルクとは別に、車両の旋回状況によって求まる左右駆動トルク配分のうち、自車周囲の現在的な情報から求まる第２駆動トルクＭｏｔＴｒｑ２を、第２駆動トルク補正係数Ｃｏｅｆ２（各輪分）と駆動目標トルクＭｏｔＴｒｑＴｇｔ（各輪分）の積により算出する。すなわち、第２駆動トルクＭｏｔＴｒｑ２は、以下の式（７）より算出される。
ＭｏｔＴｒｑ２（＃）＝ＭｏｔＴｒｑＴｇｔ（＃）×Ｃｏｅｆ２（＃） ・・・（７）

駆動目標トルクＭｏｔＴｒｑＴｇｔは、車速やアクセル開度等によって定まる前後駆動トルクとは別に求められるため、駆動目標トルクＭｏｔＴｒｑＴｇｔには前後駆動トルク分が含まれない。このため、左右輪の駆動目標トルクＭｏｔＴｒｑＴｇｔに第２駆動トルク補正係数Ｃｏｅｆ２を乗算することで、特に路面状況が悪い場合またはヨーレートモデル値γ＿ｍｄｌの信頼度が低い場合であって、第２駆動トルク補正係数Ｃｏｅｆ２の値が低下している場合は、左右輪の駆動力差が抑制される。これにより、車両挙動を安定させることができる。

トルク補正係数演算部２８６は、第１駆動トルクＭｏｔＴｒｑ１と第２駆動トルクＭｏｔＴｒｑ２を重み付けして駆動要求トルクＭｏｔＴｒｑＲｅｑを算出するための補正係数ＴｒｑＣｏｅｆを演算する。トルク補正係数演算部２８６は、車両速度Ｖ、ヨーレート偏差γ＿ｄｉｆｆ、路面状況（Ｒｏａｄ Ｃｏｎｄｉｔｉｏｎ）に応じて、第１駆動トルクＭｏｔＴｒｑ１と第２駆動トルクＭｏｔＴｒｑ２を重み付けするための補正係数ＴｒｑＣｏｅｆを演算する。

図１２は、第２駆動トルク補正係数演算部２５０が車両速度Ｖに応じたゲイン（ＧａｉｎＶ）を算出するためのゲインマップ２７６を示す特性図である。図１２に示すように、車両速度Ｖによる補正ゲイン（ＧａｉｎＶ）は、最大値ＭＡＸ＿ＧＡＩＮと最小値ＭＩＮ＿ＧＡＩＮの間で変動し、車両速度Ｖが高くなると値が低下する。

図１３は、第２駆動トルク補正係数演算部２５０がヨーレート偏差γ＿ｄｉｆｆに応じたゲイン（Ｇａｉｎγ＿ｄｉｆｆ）を算出するためのゲインマップ２７８を示す特性図である。図１３に示すように、ヨーレート偏差γ＿ｄｉｆｆによる補正ゲイン（Ｇａｉｎγ＿ｄｉｆｆ）は、γ＿ｄｉｆｆの絶対値が大きくなると値が低下する。

図１４は、外界認識部２２０が検知した路面状況に応じたゲイン（ＧａｉｎＲｏａｄＣｏｎｄｉｔｉｏｎ）を算出するゲインマップ２７９を示す特性図である。図１４に示すように、路面状況に応じた補正ゲイン（ＧａｉｎＲｏａｄＣｏｎｄｉｔｉｏｎ）は、路面状況が良好になると値が増加する。

トルク補正係数演算部２８６は、ＧａｉｎＶ、Ｇａｉｎγ＿ｄｉｆｆ、及びＧａｉｎＲｏａｄＣｏｎｄｉｔｉｏｎの積によりトルク補正係数ＴｒｑＣｏｅｆを算出する。すなわち、トルク補正係数ＴｒｑＣｏｅｆは以下の式（８）より算出される。
ＴｒｑＣｏｅｆ＝ＧａｉｎＶ×Ｇａｉｎγ＿ｄｉｆｆ×ＧａｉｎＲｏａｄＣｏｎｄｉｔｉｏｎ
・・・（８）

駆動要求トルクの補正処理部２８８は、駆動トルク補正係数ＴｒｑＣｏｅｆに基づいて、第１駆動トルクＭｏｔＴｒｑ１と第２駆動トルクＭｏｔＴｒｑ２を重み付けし、駆動要求トルクＭｏｔＴｒｑＲｅｑを算出する。駆動要求トルクＭｏｔＴｒｑＲｅｑは、以下の式（９）から算出される。
ＭｏｔＴｒｑＲｅｑ（＃）＝ＴｒｑＣｏｅｆ×ＭｏｔＴｒｑ１（＃）＋（１−ＴｒｑＣｏｅｆ）×ＭｏｔＴｒｑ２（＃） ・・・（９）

車両速度Ｖが高い場合、ヨーレート偏差γ＿ｄｉｆｆが大きい状況（車両モデルの状態量と実車挙動との乖離が大きい状況）、ステレオカメラで検知される路面状況が悪い場合など、自車周囲の走行環境が不安定である場合には、駆動トルク補正係数ＴｒｑＣｏｅｆの値が小さくなる。この場合、上式により自車周囲の現在情報に基づいて制御する第２駆動トルクＭｏｔＴｒｑ２の重みを高めることで、車両挙動を安定させることができる。また、自車周囲の走行環境が安定している場合には、駆動トルク補正係数ＴｒｑＣｏｅｆの値が大きくなるため、将来的な情報に基づき算出する第１駆動トルクＭｏｔＴｒｑ１の重みを高めることができる。

従って、車両１０００が低μの路面で滑り出した時のように、車両モデルの状態量と車両挙動との乖離が大きい場合や、外界認識部２２０により走行ルート上に車両が不安定になる恐れのある路面を検知した場合など、自車周囲の走行環境が不安定な状況下では、将来的な情報から悪天候の兆候を検知した状況に比べ、現在的な情報に基づいて算出する第２駆動トルクＭｏｔＴｒｑ２の配分を高めることで、車両旋回に関わる所定の操作量に対する左右の駆動力差を速やかに抑制することができる。

また、第２駆動トルクＭｏｔＴｒｑ２の処理を、第１駆動トルクＭｏｔＴｒｑ１の処理に対して優先して実施することで、自車周囲の現在的な情報を優先する状況では、ヨーレート偏差γ＿ｄｉｆｆによって判断した状況と、ステレオカメラや雨滴センサ等の自車周囲の環境情報によって判断した状況が異なる場合であって、水たまりや積雪路面など不安定な路面へ進入する場合は、外界認識部２２０が検知した路面状況に基づいて第２駆動トルクＭｏｔＴｒｑ２の配分を高めるための駆動トルク補正係数ＴｒｑＣｏｅｆを算出する。

一方、水たまりや積雪路面など不安定な路面から脱出する場合は、車両挙動（ヨーレート偏差γ＿ｄｉｆｆ等）に基づいて第２駆動トルクＭｏｔＴｒｑ２の配分を高めるための駆動トルク補正係数ＴｒｑＣｏｅｆを算出する。更に、将来的な情報を優先する状況では、第１駆動トルクＭｏｔＴｒｑ１の配分を高める機能も有する。

また、ハイドロプレーニング現象の発生が想定される水量をステレオカメラで検知した場合は、現在の状況に基づく第２駆動トルク補正係数Ｃｏｅｆ２により左右トルク配分の駆動目標トルク差を速やかに０へ推移させる（左右差0の方向へ徐変させる）。また、ハイドロプレーニング現象の発生を検知するまでの遷移域では、第１駆動トルクＭｏｔＴｒｑ１と第２駆動トルクＭｏｔＴｒｑ２の重み付けにより、左右トルク配分（目標値）の補正を行う。

なお、車両モデルと実車挙動との乖離度合（例えばヨーレート偏差γ＿ｄｉｆｆ）により第１の補正係数と第２の補正係数の重み付けを行っても良く、乖離が大きくなる場合には、左右のトルク配分（目標値）の補正を速やかに０へ行う第２駆動トルク補正係数Ｃｏｅｆ２の重みを高めても良い。

上述したように、本実施形態では、左右駆動力配分のトルク（旋回方向のトルク）を制御するため、駆動要求トルク演算部２８８が算出した駆動要求トルクＭｏｔＴｒｑＲｅｑは左右駆動力配分のトルクである。一方、アクセル開度、車輪速ＶｗＦＬ，ＶｗＦＲ，ＶｗＲＬ，ＶｗＲＲ等に基づいて、前後駆動力配分のための駆動トルクは別途求めることができる。前後駆動力配分のための駆動目標トルクと左右駆動力配分のための駆動目標トルクとは各々の輪で加算され、各車輪の駆動力配分が決定される。以上のように、アクセル操作等によって定まる前後方向の駆動目標トルクと、車両１０００の旋回状況に伴って定まる駆動トルクを各輪で合算することで、モータに対する最終的な駆動要求トルクが算出され、各輪に対する駆動力配分が決定される。

５．本実施形態の処理により制御された各パラメータについて
図１５〜図１７は、本実施形態の処理により制御された各パラメータを示す模式図である。図１５では、車両速度Ｖ、ステアリング操舵角θ_Ｈ、ゲインζ、駆動目標トルクＭｏｔＴｒｑＴｇｔの左右差（ΔＭｏｔＴｒｑＴｇｔ）、ヨーレートγをそれぞれ示している。

図１５において、破線の特性は本実施形態に係る処理により将来的な環境情報に基づいて駆動目標トルクの左右差を制御した場合を示しており、実線の特性は本実施形態に係る処理を行わない場合を示している。具体的に、本実施形態に係る処理では、ゲインζを低下させている。図１５に示すように、本実施形態に係る処理を行った場合は、駆動目標トルクの左右差が減少し、ヨーレートが低下していることが判る。従って、将来的な予測到達地点の環境情報に基づいてゲインζを低下させることで、予測到達地点で路面状況が悪くなった際に車両１０００が旋回し過ぎてしまうことを確実に抑止できる。

図１６では、車両速度Ｖ、ステアリング操舵角θ_Ｈ、ゲインκ、駆動目標トルクＭｏｔＴｒｑＴｇｔの左右差（ΔＭｏｔＴｒｑＴｇｔ）、ヨーレートγをそれぞれ示している。

図１６において、破線の特性は本実施形態に係る処理により現在の走行状況に基づいて駆動目標トルクの左右差を制御した場合を示しており、実線の特性は本実施形態に係る処理を行わない場合を示している。具体的に、本実施形態に係る処理では、ゲインκを低下させている。図１６に示すように、本実施形態に係る処理を行った場合は、駆動目標トルクの左右差が減少し、ヨーレートが低下していることが判る。従って、現在の走行状況報に基づいてゲインκを低下させることで、現在の路面状況が悪い場合に車両１０００が旋回し過ぎてしまうことを確実に抑止できる。

また、図１７では、将来的な環境情報と現在の走行状況を組み合わせて制御しており、車両速度Ｖ、ステアリング操舵角θ_Ｈ、ゲインζ、ゲインκ、駆動トルク補正係数ＴｒｑＣｏｅｆ、第１駆動トルクＭｏｔＴｒｑ１の左右差（ΔＭｏｔＴｒｑ１（実線））、第２駆動トルクＭｏｔＴｒｑ２の左右差（ΔＭｏｔＴｒｑ２（細い破線））、駆動要求トルクＭｏｔＴｒｑＲｅｑの左右差（ΔＭｏｔＴｒｑＲｅｑ（太い破線））、駆動目標トルクの左右差（ΔＭｏｔＴｒｑＴｇｔ（実線）、駆動要求トルクＭｏｔＴｒｑＲｅｑの左右差（ΔＭｏｔＴｒｑＲｅｑ（破線））、ヨーレートγをそれぞれ示している。ヨーレートγの値は、実線が本実施形態による制御を行わない場合を示しており、破線が本実施形態による制御を行った場合を示している。

図１７に示すように、将来的な環境情報に基づくゲインζ、現在の走行状況に基づくゲインκに応じて駆動トルク補正係数ＴｒｑＣｏｅｆが低下することで、駆動要求トルクＭｏｔＴｒｑＲｅｑの左右差（ΔＭｏｔＴｒｑＲｅｑ）が低下していることが判る。また、本実施形態による制御を行った場合、ヨーレートγが低下していることが判る。従って、車両１０００が旋回し過ぎてしまうことを確実に抑止できる。

以上説明したように本実施形態によれば、車両の将来的な環境情報に基づいて車両の旋回方向に付与する第１駆動トルクＭｏｔＴｒｑ１を演算し、車両の現在の走行状況に基づいて第２駆動トルクＭｏｔＴｒｑ２を演算し、車両の現在の走行状況に基づいて第１駆動トルクと第２駆動トルクを重み付けするようにした。これにより、将来的な環境情報に基づいて駆動トルクを最適に制御できるとともに、現在の走行状況で路面状況が悪いなどの状況がある場合は、現在の走行状況に基づいて駆動トルクを最適に制御することが可能となる。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

２００ 制御装置
２３０ 駆動目標トルク演算部
２８２ 第１駆動トルク演算部
２８４ 第２駆動トルク演算部
２８８ 駆動要求トルク演算部

Claims (11)

1. 車両の将来的な環境情報に基づいて、車両の旋回方向に付与する第１駆動トルクを演算する第１駆動トルク演算部と、
   車両の現在の走行状況に基づいて、車両の旋回方向に付与する第２駆動トルクを演算する第２駆動トルク演算部と、
   車両の現在の走行状況に基づいて前記第１駆動トルクと前記第２駆動トルクを重み付けすることで、車両の旋回方向に付与する駆動要求トルクを演算する駆動要求トルク演算部と、
   を備え、
   前記第１駆動トルク演算部は、悪天候の兆候を検知してからの経過時間が長いほど前記第１駆動トルクを減少させることを特徴とする、車両の制御装置。
2. 前記第１駆動トルク演算部は、将来の予測到達地点の路面状況に基づいて、前記第１駆動トルクを演算することを特徴とする、請求項１に記載の車両の制御装置。
3. 前記第１駆動トルクは、左右の車輪に対する偶力として車両の旋回方向に付与され、
   前記第１駆動トルク演算部は、前記第１駆動トルクを減少することで左右の車輪の駆動力差を減少させることを特徴とする、請求項１又は２に記載の車両の制御装置。
4. 前記第２駆動トルクは、左右の車輪に対する偶力として車両の旋回方向に付与され、
   前記第２駆動トルク演算部は、前記第２駆動トルクを減少することで左右の車輪の駆動力差を減少させることを特徴とする、請求項１〜３のいずれかに記載の車両の制御装置。
5. 前記第２駆動トルク演算部は、カメラで路面を撮像して得られた画像情報に基づいて、現在の路面状況が悪いほど前記第２駆動トルクを減少させることを特徴とする、請求項１
   〜４のいずれかに記載の車両の制御装置。
6. 前記第２駆動トルク演算部は、車両モデルから演算されたヨーレートモデル値とヨーレートセンサが検出した実ヨーレートとの差分に基づいて、前記差分が大きいほど前記第２駆動トルクを減少させることを特徴とする、請求項１〜５のいずれかに記載の車両の制御装置。
7. 前記駆動要求トルク演算部は、カメラで路面を撮像して得られた画像情報に基づいて、現在の路面状況が悪いほど前記第１駆動トルクに対する前記第２駆動トルクの重み付けを高くすることを特徴とする、請求項１〜６のいずれかに記載の車両の制御装置。
8. 前記駆動要求トルク演算部は、車両速度が高いほど前記第１駆動トルクに対する前記第２駆動トルクの重み付けを高くすることを特徴とする、請求項１〜７のいずれかに記載の車両の制御装置。
9. 前記駆動要求トルク演算部は、車両モデルから演算されたヨーレートモデル値とヨーレートセンサが検出した実ヨーレートとの差分に基づいて、前記差分が大きいほど前記第１駆動トルクに対する前記第２駆動トルクの重み付けを高くすることを特徴とする、請求項１〜８のいずれかに記載の車両の制御装置。
10. 車両の将来的な環境情報に基づいて、車両の旋回方向に付与する第１駆動トルクを演算する第１駆動トルク演算部と、
    車両の現在の走行状況に基づいて、車両の旋回方向に付与する第２駆動トルクを演算する第２駆動トルク演算部と、
    車両の現在の走行状況が車両挙動を不安定化させるときは、車両挙動を不安定化させないときに比べ、前記第１駆動トルクに対する前記第２駆動トルクの重み付けを高くするように、前記第１駆動トルクと前記第２駆動トルクを重み付けすることで、車両の旋回方向に付与する駆動要求トルクを演算する駆動要求トルク演算部と、
    を備えることを特徴とする、車両の制御装置。
11. 車両の将来的な環境情報に基づいて、車両の旋回方向に付与する第１駆動トルクを演算するステップであって、悪天候の兆候を検知してからの経過時間が長いほど前記第１駆動トルクを減少させるステップと、
    車両の現在の走行状況に基づいて、車両の旋回方向に付与する第２駆動トルクを演算するステップと、
    車両の現在の走行状況に基づいて前記第１駆動トルクと前記第２駆動トルクを重み付けすることで、車両の旋回方向に付与する駆動要求トルクを演算するステップと、
    を備えることを特徴とする、車両の制御方法。

Images