JPH0781604A

JPH0781604A - 自動走行車両

Info

Publication number: JPH0781604A
Application number: JP5254896A
Authority: JP
Inventors: Shinnosuke Ishida; 真之助石田
Original assignee: Honda Motor Co Ltd
Current assignee: Honda Motor Co Ltd
Priority date: 1993-09-17
Filing date: 1993-09-17
Publication date: 1995-03-28
Anticipated expiration: 2014-02-03
Also published as: JP2853077B2

Abstract

(57)【要約】【構成】複数の車線を有する道路を自動走行すると
き、道路と障害物の特徴量からファジィ推論を通じて車
線ごとの走行可能度合いを求め、それから最適の車線を
選択して障害物を回避しつつ自動走行する。ファジィ推
論は簡易化されルール数が低減している。【効果】多車線道路を任意に車線変更しつつ安定に自
動走行することができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は自動走行車両に関し、
より具体的には高速自動車道など複数の車線が存在する
道路環境において、他車を含む走行環境を認識して任意
に車線変更しつつ自動走行できる様にした自動走行車両
に関する。

【０００２】

【従来の技術】自動走行技術に関しては従来より種々の
ものが提案されており、例えば特開平２−２２６３１０
号公報においては、走行路面の映像画像から抽出された
車線境界線や障害物情報などに基づいてファジィ推論を
行って車両の操舵を制御する技術が提案されている。ま
た本出願人も先に特開平３−１５８９７６号公報で自動
走行車両において車線境界線を認識する技術を提案して
いる。

【０００３】

【発明が解決しようとする課題】この様に自動走行技術
については今まで様々な技術が提案されているが、複数
の車線（レーン）を有する道路において任意に車線変更
（レーンチェンジ）して自動走行できる様にしたものは
提案されていなかった。この様な技術は、高速自動車道
などを自動走行するときに極めて有益であるが、他車を
含む障害物が存在する道路環境の中で自ら行動を決定し
つつ最適な車線を選択して自動走行するには解決すべき
課題が多い。

【０００４】従って、この発明の目的は上記の課題を解
決し、複数の車線を有すると共に、他車を含む障害物が
存在する道路環境において、最適な車線を選択して安定
して自動走行する様にした自動走行車両を提供すること
にある。

【０００５】更には、複数の車線を有すると共に、他車
を含む障害物が存在する走路環境において最適な車線を
選択すると共に、障害物を回避しつつ前車への追従走行
なども可能とする自動走行車両を提供することを目的と
する。

【０００６】更には、ファジィ推論を用いると共に、そ
の推論を簡略化して演算量および使用メモリの低減を図
ると共に、デバッグ効率を向上させた自動走行車両を提
供することを目的とする。

【０００７】

【課題を解決するための手段】上記の目的を解決するた
めに本発明は例えば請求項１項に示す如く、外界を認識
しつつ自動走行する車両において、車両進行方向に対し
て複数の走行可能領域を認識する認識手段、車両周囲に
存在する障害物の少なくとも位置を含む障害物の状態を
検出する障害物状態検出手段、車速および前記複数の走
行可能領域に対する自車の位置と方位とを少なくとも含
む自車の状態を検出する自車状態検出手段、検出値に基
づいてファジィ推論を行って前記複数の走行可能領域に
ついて走行可能度合いを判定する走行可能度合い判定手
段、判定された走行可能度合いに基づいて前記複数の走
行可能領域のいずれかを選択する選択手段、少なくとも
前記検出された自車状態に基づいて自車の走行軌跡を求
める軌跡算出手段、および選択された走行可能領域を走
行すべく少なくとも前記検出された自車の状態と算出さ
れた走行軌跡とに基づいて車両走行の制御量を算出する
制御量算出手段、を備える如く構成した。

【０００８】

【作用】他車を含む障害物の存在する複数の走行可能領
域を有する道路環境において最適な走行可能領域を選択
しつつ安定に自動走行することができる。尚、ここで走
行可能領域は車線を意味する。

【０００９】

【実施例】以下、添付図面に即してこの発明の実施例を
説明する。

【００１０】図１はこの発明に係る自動走行車両を全体
的に示す透視図である。図において、自動走行車両はＣ
ＣＤカメラ１０を１基備える。ＣＣＤカメラ１０は運転
席上方のルームミラー取り付け位置に固定され、車両進
行方向を単眼視する。符号１２はミリ波レーダからなる
レーダユニットを示し、車両前方に取り付けられた２基
の前方レーダ１２ａ、車両側方に取り付けられた３基の
側方レーダ１２ｂおよび車両後方に取り付けられた２基
の後方レーダ（図示せず）の計１０基のレーダ群からな
り、反射波を通じて他車などの立体障害物の存在を検出
する。車両室内の中央部付近にはヨーレートセンサ１４
が設けられ、車両の鉛直軸（ｚ軸）回りの角加速度を検
出する。更に、車両のドライブシャフト（図示せず）の
付近にはリードスイッチからなる車速センサ１６が設け
られ、車両の進行速度を検出すると共に、舵角センサ１
８が車両のステアリングシャフト２０の付近に設けられ
てステアリング舵角を検出する。

【００１１】また、該ステアリングシャフト２０には舵
角制御モータ２２が取り付けられると共に、スロットル
弁（図示せず）にはパルスモータからなるスロットルア
クチュエータ２４が取り付けられ、更にブレーキ（図示
せず）にはブレーキ圧力アクチュエータ２６（図１で図
示省略）が取り付けられる。この構成において、車両は
算出された舵角制御量に応じて舵角制御されると共に、
スロットル弁が開閉されて車速が調節され、また必要に
応じてブレーキが作動させられて自動走行する。

【００１２】図２は上記の構成をより詳細に示すブロッ
ク図である。ＣＣＤカメラ１０の出力は画像処理ハード
ウェア３０に送られて必要な処理が行われ、その結果は
バス３２を介して共有メモリ３４にストアされる。画像
処理ＣＰＵ３６および画像評価ＣＰＵ３８は所定時刻ご
とにストア値を読み出して走行路面の状態を検出する。
レーダユニット１２の出力はレーダ処理回路４０および
バス３２を介して共有メモリ３４にストアされる。レー
ダ評価ＣＰＵ４２は所定時刻毎にストア値を読み出して
障害物の位置を座標上で検出する。

【００１３】また車速センサ１６などの出力は軌跡推定
ＣＰＵ４４に送られて自車両の移動軌跡が推定される。
行動計画意思決定ＣＰＵ５０は前記ストア値から目標経
路を作成する。その目標経路と推定された自車の移動軌
跡は軌跡追従ＣＰＵ４６に送られ、そこで軌跡（目標経
路）追従制御量が決定される。更に、軌跡追従制御ＣＰ
Ｕ４６は、舵角制御量を算出して舵角制御ＣＰＵ５２に
出力する。舵角制御ＣＰＵ５２はＰＷＭコントローラ５
４およびドライバ５６を介して前記舵角制御モータ２２
を駆動する。尚、モータ駆動量はエンコーダ５８を通じ
て検出され、フィードバック制御が行われる。

【００１４】また行動計画意思決定ＣＰＵ５０はその速
度・追従制御部で後述の様に車体の目標加速度を求め、
車速制御ＣＰＵ６０に送出する。車速制御ＣＰＵ６０は
アクセルパルスモータコントローラ６２、ドライバ６４
を介してスロットルアクチュエータ２４を駆動すると共
に、ブレーキソレノイドコントローラ６６およびドライ
バ６８を介してブレーキ圧力アクチュエータ２６を駆動
する。その駆動量は圧力センサ７０を介して検出され、
第２のフィードバック制御が行われる。尚、上記におい
て、図示の簡略化のため、波形整形回路などセンサの処
理回路は省いた。図３は図２ブロック図を機能的に示す
ものである。

【００１５】続いて、図４フロー・チャートを参照して
この自動走行車両の動作を説明する。図４フロー・チャ
ートは、前記した行動計画意思決定ＣＰＵ５０が行う動
作を示す。

【００１６】先ず、Ｓ１０において画像評価結果を入力
する。これは前記した画像処理ＣＰＵ３６および画像評
価ＣＰＵ３８の出力を入力して行う。即ち、画像処理Ｃ
ＰＵ３６は図５に示す様な入力画像から道路区分線（車
線境界線。白色または黄色の実線ないし破線で示され
る）を抽出して画像平面座標を求め、それを射影変換し
て実平面座標を求め、各線成分を実平面上の点列データ
として幾何学的関係を付加して出力する。画像評価ＣＰ
Ｕ３８は、それに基づいて後で述べる様に車線幅などの
詳細なデータを出力する。Ｓ１０においてはこれらを入
力する。

【００１７】続いてＳ１２に進んでレーダ評価結果を入
力する。これは前記したレーダ評価ＣＰＵ４２の出力を
入力することで行う。Ｓ１０およびＳ１２を経ることに
より行動計画意思決定ＣＰＵ５０は図６に示す様な外部
環境情報を得る。

【００１８】続いてＳ１４に進んで車線境界線（ないし
車線）と自車との位置関係を求める。画像評価ＣＰＵ３
８からの車線データは毎時刻同じものが出力されるので
はなく、認識された車線境界線がリアルタイムに出力さ
れる。そこで同一車線境界線および車線には同一の番号
を付して特定し、車線境界線（ないし車線）と自車との
位置関係を対応づける。上記を図７に示す。尚、車線境
界線（ないし車線）の特定については同日付けで提出し
た別出願（整理番号Ａ９３−１０２５）に述べてあるの
で、この程度の説明に止める。

【００１９】続いてＳ１６に進んで車線と障害物との位
置関係を求める。図示は省略するが、これもＳ１４の作
業と同様であり、障害物と車線境界線（ないし車線）と
の位置関係を対応づける作業である。尚、障害物が複数
個存在するときは、番号を付して特定する。

【００２０】続いてＳ１８に進んで車線の情報を抽出
し、Ｓ２０に進んで車線内の障害物情報を抽出する。こ
れは続いて行うファジィ推論のために、適宜な処理を行
って特徴および特徴量を求める作業である。

【００２１】より具体的には、車線の情報は入力値の状
態では単なる線分の座標に過ぎないため、図８に示す如
く線形化して車線幅および車線長さをその特徴ないし特
徴量として求める。また障害物情報も入力値の状態では
単なる座標に存在する障害物に過ぎないため、図９に示
す様に各障害物までの距離などの特徴ないし特徴量を抽
出して自車両との関係を求め、最終的に図示の如く、各
障害物までの距離、自車速度と障害物速度の相対速度お
よび目標車速と障害物速度との偏差を求めて特徴量とす
る。

【００２２】続いてＳ２２に進んで上記特徴量（推論パ
ラメータ）をファジィ量へ変換する。ファジィ推論での
入力値は基本的に−１から１の値をとるため、入力値を
正規化すると共に、不要な大きな値のために正規化した
情報量のダイナミックレンジが失われない様、その範囲
に止める。実施例の場合には具体的には以下の如く決定
した。特徴量ファジィ量車線長さ０〜１００ｍ０〜１車線幅０〜５ｍ０〜１各障害物までの距離０〜１００ｍ０〜１自車速度と障害物速度の相対速度 −１００〜１００ｋｍ／ｈ −１〜１目標車速と障害物速度の偏差 −１００〜１００ｋｍ／ｈ −１〜１

【００２３】また、併せて、ファジィ集合のメンバーシ
ップ関数（以下「ファジィラベル」と言う）を設定す
る。図１０ないし図１１に設定したファジィラベルを示
す。実施例においてファジィラベルとして、ＺＯ
（零），ＰＳ（少し大きい），ＰＭ（大きさが中位），
ＰＢ（非常に大きい），ＮＢ（非常に小さい），ＮＭ
（小ささが中位），Ｎ（小さい），Ｚ（零付近），Ｐ
（大きい）の９種を用い、特徴量（推論パラメータ）に
より使い分けた。

【００２４】続いてＳ２４に進んでファジィエキスパー
トシステムにより車線ごとに走行可能度合いを推論す
る。

【００２５】それについて説明すると、道路、障害物な
どが複雑に絡み合う環境において車線毎に前方、側方、
後方の様々な状況に応じて最適に判断して行動させるに
は、単なるルールの記述手法では組み合わせが一意に定
まらず、ルールの増大、抜け、矛盾が発生し易い。また
自動運転の感覚と同乗者のドライブ感覚とを違和感なく
調整するのも極めて困難である。この様な状況で最適か
つ同乗者に与える違和感の少ない制御手法には、ファジ
ィ推論を用いるファジィエキスパートシステムが最適と
考えられる。ファジィエキスパートシステムであれば、
多入力、平行同時推論が可能であり、判断パターンも漏
れなく組み合わせることができる上、メンバーシップ関
数を変更するだけで人間のフィーリングにマッチする様
に調整することができるからである。そこで、実施例で
はファジィエキスパートシステムを用いることにした。

【００２６】ところで、ファジィエキスパートシステム
を用いるとしても、入力条件が多いため、ルール数が膨
大になってしまう。そこで、以下に述べる様な手法を採
用してルール数を削減した。

【００２７】図１２に実施例でのファジィエキスパート
システムを示す。実施例では、ファジィ推論を一次推論
と二次推論とから構成した。一次推論では、道路の特徴
量から車線走行可能度合いルールを用いて各車線の走行
可能度合いが推論されると共に、障害物の特徴量から２
種の障害物危険判定ルールを用いて障害物走行可能度合
いが推論される。

【００２８】二次推論では、車線走行可能度合いルール
を通じて推論された走行可能度合いと、２種の障害物危
険判定ルール（障害物危険度合いルールと総称する）を
通じて得られた走行可能度合いから、走行可能判定ルー
ルを用いて各車線の走行可能度合いがトータルに推論さ
れる。

【００２９】尚、特徴量（推論パラメータ）自体は車線
によって相違しないので、同一のルール群を用いて各車
線ごとに推論する。但し、検出する推論パラメータが車
線により相違するので、推論値が車線によって相違する
のは言うまでもない。

【００３０】図１３ないし図１６に、これらの３種の一
次推論用ルールおよび二次推論用の１種のルール群を示
す。図示の如く、それらは全て、前件部が２個のファジ
ィラベルからなる１６個のルールより構成される。

【００３１】ここで本発明の推論手法（以下「多重推
論」と言う）を説明すると、この多重推論においては図
１７に示す如く、一次推論ルールの後件部を二次推論の
前件部として使用する様にした。より具体的には図１３
ないし図１６および図１８に示す如く、一次推論ルール
の後件部について各ファジィラベルのグレード値が最大
となるルールをそれぞれ選択し、そのグレード値（重み
を示す）をそのファジィラベルの代表値として二次推論
ルールの前件部のファジィラベルに当てはめ、二次推論
ルールの最終出力を求めてファジィエキスパートシステ
ムの出力とする様にした。

【００３２】即ち、通常のファジィ推論は図１９に示す
様に、ルールＲ１（説明の便宜のため使用ルールがＲ
１，Ｒ２の２個とする）について前件部ファジィラベル
Ａ１１，１２のメンバーシップ値のうち最小値を選択し
て後件部ファジィラベルＢ１のグレード値ω１を求め、
ルールＲ２についても同様の作業を行って後件部ファジ
ィラベルＢ２のグレード値ω２を求め、定義域上で両者
の和集合Ｂ０を求め、その重心ｙ０を求めてルール群Ｒ
１，Ｒ２の最終出力とする。その結果、図１２に示す様
にファジィ推論を連続的に行うとき、通常の手法に従う
と、図２０に記載する様にルール数が膨大となる。

【００３３】そこで、実施例においては図１３などに示
す様に、各ファジィラベルについてグレード値が最大と
なるものを選択し、そのファジィラベルを代表させる様
にした。即ち、図１３の場合、ファジィラベルとしてＺ
Ｏ，ＰＳ，ＰＭ，ＰＢの４種を使用しているが、後件部
は同一ファジィラベルについて複数個の値を持つ。例え
ば、ＰＭで言えば３個の値を持つ。そしてＰＭの３個の
値は、同図下部に示す様に大小関係にある。

【００３４】ここで、ＰＭの３個の値の大小関係を見る
と、その中で最大のものは、そのファジィラベル（即
ち、ＰＭ）で最もルールの満足度が高いのであるから、
グレード値が最大となったものでそのファジィラベルを
代表させることができるとみなすこともできる。そこ
で、この発明においては各ファジィラベルについてグレ
ード値が最大となる値をそれぞれ求め、そのグレード値
を二次推論ルールの前件部の当該ファジィラベルに代入
することとした。

【００３５】グレード値はファジィ推論において重みを
意味するが、換言すれば、一次推論では各ファジィラベ
ルの重みのみ求めて定義域上の最終出力を求めず、二次
推論でその重みを用いて初めて定義域上の最終出力を求
める様にした。図１６の末尾に、この様にして求める二
次推論ルールの最終出力の算出を示す。尚、一般に最終
出力は前記の如く後件部メンバーシップ値の和集合の重
心を求めることで行われるが、処理時間がかかるため、
ここではいわゆるシングルトン方式と呼ばれる簡易重心
計算を用いた。

【００３６】この結果、図２０に示す様に、ルール数を
大幅に低減することができ、その結果、演算量ないし使
用メモリ容量を低減することができ、またデバッグ効率
を向上することができた。

【００３７】図２１は上記したファジィエキスパートシ
ステムの推論で得られる走行可能度合いの出力例を示
す。走行可能度合いは各車線ごとに０〜１までの実数値
で図示の如く決定される。図示例は、自車線を中心に左
右に計３個の車線が存在する道路環境の場合である。出
力は認識される全ての車線に対して行われ、以前の推論
時刻で認識され、当該推論時刻で認識されない車線の出
力値は０となる。

【００３８】実施例においては、各車線をこの様に評価
したことから、障害物が各車線の種々の位置に存在し、
しかも時々刻々変動する様な複雑な道路状況を的確に評
価することができた。図１２に示す様に、次いでこれに
基づいて車線のいずれかを選択することになるが、その
選択作業も簡易となって円滑に行うことができる。

【００３９】図４フロー・チャートに戻ると、続いてＳ
２６に進んでその目標車線の決定を行う。尚、これには
ファジィ推論を用いない。

【００４０】図２２はその選択作業を示すフロー・チャ
ートである。同図の説明に入る前に図２３を参照してこ
の選択作業を簡単に説明すると、自車線の走行可能度合
いがスレッシュオルド値以下になるまで、他の車線の走
行可能度合いがそれより大きくても車線変更しない様に
した。またスレッシュオルド値以下となったときは、走
行可能度合いがスレッシュオルド値より大きい車線を選
択すると共に、一旦選択した後は、選択車線の走行可能
度合いがスレッシュオルド値以下となっても、選択車線
と他の車線の走行可能度合いの差が設定値（適宜設定）
を超えない限り、車線変更を行わない様にした。即ち、
ヒステリシスを設けて制御ハンチングが生じない様にし
た。

【００４１】図２２を参照して上記を説明すると、先ず
Ｓ１００で自車線の走行可能度合いがスレッシュオルド
値以下か否か判断し、否定されるときはＳ１０２に進ん
で自車線を維持し、Ｓ１０４に進んで目標車線を自車線
と置き換える（但し、この場合には自車線がそのまま自
車線に置き換えられる）。Ｓ１００で肯定されるときは
Ｓ１０６に進み、右車線の走行可能度合いがスレッシュ
オルド値以上か否か判断する。

【００４２】Ｓ１０６で肯定されるときはＳ１０８に進
み、そこで自車線の走行可能度合いと右車線の走行可能
度合いの差が、前記した設定値より小さいか否か判断す
る。これは右車線に変更しても走行可能度合いに大差な
い場合には車線を変更する意義が少ないことから、それ
を判定するためである。従って、否定されるときは走行
可能度合いの差が小さくないので、Ｓ１１０に進んで目
標車線を右車線とし、Ｓ１０４に進んで目標車線を自車
線と置き換える。

【００４３】他方、Ｓ１０８で右車線との走行可能度合
いの差が設定値より小さいと判断されるときはＳ１１２
に進んで左車線の走行可能度合いがスレッシュオルド値
以上か否か判断する。尚、Ｓ１０６で否定されるときは
右車線についてそれ以上検討する益がないので、直ちに
Ｓ１１２にジャンプする。

【００４４】Ｓ１１２で左車線の走行可能度合いがスレ
ッシュオルド値以上ではないと判断されるときは左車線
に変更する意味がないので、Ｓ１０２に進んで自車線を
維持すると共に、Ｓ１１２で肯定されるときはＳ１１４
に進み、そこで自車線と左車線の走行可能度合いの差が
設定値より小さいか否か判断し、肯定されるときはＳ１
０２に進んで自車線を維持すると共に、否定されるとき
はＳ１１６に進んで左車線を目標車線とする。尚、右車
線から判断する様にしたのは、法令上追越しは右側から
行うことが原則となっているからである。

【００４５】図４フロー・チャートに戻ると、続いてＳ
２８に進んで決定された目標車線に対して目標経路を計
画する。

【００４６】図２４を参照して説明すると、目標車線が
自車線の場合には車線の中央に２．５ｍおきにｘ，ｙの
点を車線上に設定する。ここで、ｘ，ｙは図２５に示す
様な座標上の位置を示す。車線の中央に目標経路を計画
することにより、安全に自動走行することができる。
尚、この実施例において座標のＸ軸は車両進行方向にと
る。

【００４７】また、目標車線が他車線の場合、その車線
の中央に基準線を求め、基準線上に適宜な位置（目標レ
ーンチェンジ、ポイント）（ａ）を選択し、その位置
（ａ）から自車位置までの線分（ｂ）を求め、その線分
に対し、２．５ｍおきにｘ，ｙの点を設定する。尚、こ
こで位置（ａ）は、自車速Ｖに車線変更（レーンチェン
ジ）予定時間Ｔを乗じた距離Ｌで求める。尚、レーンチ
ェンジした後は目標経路が中央基準線に沿って計画され
るのは自車線を走行する場合と同様である。

【００４８】更に、位置（ａ）の付近に障害物が存在す
る場合、接触する可能性があるので、その障害物の位置
から５ｍ減算した位置を目標とし、自車位置までの線分
（ｂ）を求めて同様に処理する。

【００４９】次いでＳ３０に進んで軌跡推定結果を入力
する。先に図２に関して述べた様に、ヨーレートセンサ
１４などの出力から軌跡推定ＣＰＵ４４において自車の
走行軌跡が図２５に示す様に推定されて共有メモリ３４
にストアされており、このステップではそのストア値を
読み出して自車の現在位置を推定する。

【００５０】続いてＳ３２に進んで目標経路の遅れ時間
補正を行う。

【００５１】即ち、Ｓ２８で目標経路が計画され、それ
に沿って進行すべくＳ３０で自車の走行軌跡を入力した
が、目標車線の決定までにある程度の処理時間を要し、
自車は明らかにその間に移動している。従って、図２６
に示す様に、画像入力時と処理時間経過後とでは自車の
位置は相違している筈であり、その移動した位置を考慮
して目標経路を定めないと、目標経路追従制御に誤差が
生じる。従って、このステップで図２６に示す様に、自
車の位置を前記座標の原点位置に置く様に座標変更し、
目標経路（点列で示される）を遅れ補正する。

【００５２】続いてＳ３４に進んでファジィコントロー
ルシステムによる目標走行速度（加速度）を算出する。

【００５３】図２７はそれを示すブロック図であり、図
２８はその中の加速度制御器の詳細を示すブロック図で
ある。また、図２９は目標加速度の推論に使用されるフ
ァジィ・メンバーシップ関数を示す。図２７においてフ
ァジィ推論器は障害物までの距離、自車速度と障害物速
度の相対速度および自車速度を入力パラメータとしてフ
ァジィ推論を行い、目標加速度を算出する。尚、加速度
は車速の１階差分値で表す。また、ファジィ推論は前述
した多重推論ではなく、従来手法を用いる。

【００５４】図２８に詳細を示す加速度制御器において
は目標加速度と実加速度との偏差を求め、偏差に応じて
スロットル開度ないしブレーキ圧力を目標値にＰＩＤ制
御する。かかる構成により、前車との距離を所定の値に
保ちつつ目標加速度で自動走行することができ、前車の
動きに応じて加減速ないし停止することができる。

【００５５】最後にＳ３６で図２の軌跡追従制御ＣＰＵ
４６、舵角制御ＣＰＵ５２、車速制御（加速度制御）Ｃ
ＰＵ６０に目標経路、目標速度（加速度）を出力して終
わる。

【００５６】図３０ないし図３３に上記についての実車
走行テスト結果を示す。図３０は定速走行する前走車に
追従走行した場合を示し、所定の離間距離を保ちつつ前
走車に正確に追従している様子が見てとれよう。図３１
に、そのときの走行可能度合いを従来手法により推論し
た場合とこの発明で提案する多重推論を用いて推論した
場合を対比して示す。図示の如く、両者の結果にほとん
ど差異がなかった。

【００５７】図３２も図３０と同様のテストデータ図で
前走車に応じて停止した場合を示す。また、図３３に、
そのときの走行可能度合い推論を障害物発見ポイントに
ついて従来手法とこの発明で提案する多重推論を用いて
推論した場合を対比して示す。図３１と同様に、このテ
スト結果でも両者にほとんど差異がなかった。

【００５８】この実施例は上記の如く車線の走行可能度
合いなる概念を用い、それをファジィ推論を通じて判定
する様にしたので、複数の車線が平行し障害物が点在す
る道路環境においても常に最適な車線を選択して安定に
走行することができる。また、障害物の有無などから車
線ごとの走行可能度合いを推論して車線を選択するの
で、障害物と接触するなどの危険がない。

【００５９】更に、ファジィ推論を通じて車線ごとの走
行可能度合いを判断する様にしたので、同乗者のフィー
リングに合った運転制御が可能となると共に、そのファ
ジィ推論においては多重推論を用いたので、演算量およ
びメモリ量を低減でき、デバッグ効率も向上する。

【００６０】更に、ファジィ推論を通じて車線ごとの走
行可能度合いを判断すると共に、それから目標車線を決
定するに際してスレッシュオルド値との比較から行う様
にしたので、スレッシュオルド値を上下させることによ
っても車線変更の頻度などを調節することができ、道路
環境に応じて一層最適に走行することができる。

【００６１】尚、上記において、ファジィ推論の多重推
論を２段接続としたが、推論パラメータが干渉し合わな
い限り、３段ないしはそれ以上を接続しても良い。

【００６２】更に、ファジィ推論パラメータとして実施
例で示した他に、車線の曲率、障害物の速度、自車速
度、目標車速など種々のものを用いても良い。また、実
施例では障害物に関して前方に存在するものだけをファ
ジィ推論パラメータとしたが、後方に存在するものにつ
いてもファジィ推論パラメータに使用しても良い。

【００６３】更に、視覚センサを単眼視としたが、両眼
視を用いて前方レーダなどを省略しても良い。

【００６４】

【発明の効果】請求項１項にあっては、複数の車線が平
行し、障害物が存在する道路環境においても常に最適な
車線を選択して安定に走行することができる。

【００６５】請求項２項にあっては、前記した効果に加
えて、障害物を確実に回避しつつ最適な車速を選択して
走行することができる。

【００６６】請求項３項にあっては、複数の車線が平行
し、障害物が存在する道路環境においても常に最適な車
線を選択することができると共に、選択された車線に向
かう目標軌跡に沿って正確に走行することができる。

【００６７】請求項４項にあっては、複数の車線が平行
し、障害物が存在する道路環境においても常に最適な車
線を選択することができると共に、車線の中央を走行す
ることから、安全に走行することができる。

【００６８】請求項５項にあっては、ファジィ推論を用
いて自動走行に必要な制御値を求めることで人間のフィ
ーリングにマッチした制御が容易に可能になると共に、
推論の演算量および使用メモリ容量の低減を図ることが
でき、デバッグ効率の向上も図ることができる。

【図面の簡単な説明】

【図１】この発明に係る自動走行車両を全体的に示す説
明透視図である。

【図２】図１に示すセンサおよびその処理などを詳細に
示すブロック図である。

【図３】図２ブロック図の構成をより機能的に示す図２
と同様の説明図である。

【図４】図２ブロック図の行動計画意思決定ＣＰＵの動
作で自動走行動作を示すフロー・チャートである。

【図５】図４フロー・チャートの画像評価結果を説明す
る画像処理の説明図である。

【図６】図４フロー・チャートの画像評価結果およびレ
ーダ評価結果の入力を通じて得られる外部環境情報を示
す説明図である。

【図７】図４フロー・チャートの車線境界線と自己位置
（自車）の位置関係を説明する説明図である。

【図８】図４フロー・チャートの車線の特徴量を示す説
明図である。

【図９】図４フロー・チャートの障害物の特徴量を示す
説明図である。

【図１０】図８の車線の特徴量について設定したメンバ
ーシップ関数（ファジィラベル）を示す説明図である。

【図１１】図９の障害物の特徴量について設定したメン
バーシップ関数（ファジィラベル）を示す説明図であ
る。

【図１２】図８フロー・チャートのファジィエキスパー
トシステムによる車線ごとの走行可能度合い推論および
推論値により行われる目標車線決定を全体的に示す説明
図である。

【図１３】図１２のファジィエキスパートシステムで使
用される車線走行可能度合いルール群を示す説明図であ
る。

【図１４】図１２のファジィエキスパートシステムで使
用される障害物危険判定ルール群を示す説明図である。

【図１５】図１２のファジィエキスパートシステムで使
用される別の障害物危険判定ルール群を示す説明図であ
る。

【図１６】図１２のファジィエキスパートシステムで使
用される二次推論用のトータルの走行可能度合いルール
群を示す説明図である。

【図１７】この発明で用いる多重推論なる手法を示す説
明図である。

【図１８】この発明で用いる多重推論なる手法をより具
体的に示す説明図である。

【図１９】従来技術によるファジィ推論を示す説明図で
ある。

【図２０】従来技術によるファジィ推論に比較してこの
発明で用いる多重推論によるルール数の減少度を示す説
明図である。

【図２１】図４フロー・チャートで推論される走行可能
度合いを示すタイミング・チャートである。

【図２２】図４フロー・チャートの目標車線決定作業を
説明するサブルーチン・フロー・チャートである。

【図２３】図４フロー・チャートの目標車線決定作業を
説明するタイミング・チャートである。

【図２４】図４フロー・チャートの目標車線に対する目
標経路の計画作業を示す説明図である。

【図２５】図４フロー・チャートの軌跡推定結果を説明
する説明図である。

【図２６】図４フロー・チャートの目標経路の遅れ時間
補正作業を示す説明図である。

【図２７】図４フロー・チャートの目標走行速度（加速
度）制御のブロック図である。

【図２８】図２７の中の加速度制御器の詳細を示すブロ
ック図である。

【図２９】図２７の制御の目標加速度のファジィ推論で
使用するパラメータである。

【図３０】この発明による自動走行動作で前走車追従走
行のテストデータ図である。

【図３１】図３０のテストで走行可能度合いを従来手法
で推論した場合とこの発明による多重推論で推論した場
合とを対比して示す説明図である。

【図３２】図３０と同様の実車走行テストデータ図であ
る。

【図３３】図３２と同様に推論結果を対比的に示す説明
図である。

【符号の説明】

１０ＣＣＤカメラ１２レーダユニット１４ヨーレートセンサ１６車速センサ１８舵角センサ３０画像処理ＣＰＵ３６画像評価ＣＰＵ４２レーダ評価ＣＰＵ４４軌跡推定ＣＰＵ４６軌跡追従制御ＣＰＵ５０行動計画意思決定ＣＰＵ５２舵角制御ＣＰＵ６０車速制御（加速度制御）ＣＰＵ

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号庁内整理番号ＦＩ技術表示箇所Ｇ０８Ｇ 1/16 Ｃ 7531−3Ｈ // Ｇ０５Ｂ 13/02 Ｎ 9131−3ＨＢ６２Ｄ 101:00 113:00 137:00

Claims

【特許請求の範囲】

【請求項１】外界を認識しつつ自動走行する車両にお
いて、ａ．車両進行方向に対して複数の走行可能領域を認識す
る認識手段、ｂ．車両周囲に存在する障害物の少なくとも位置を含む
障害物の状態を検出する障害物状態検出手段、ｃ．車速および前記複数の走行可能領域に対する自車の
位置と方位とを少なくとも含む自車の状態を検出する自
車状態検出手段、ｄ．検出値に基づいてファジィ推論を行って前記複数の
走行可能領域について走行可能度合いを判定する走行可
能度合い判定手段、ｅ．判定された走行可能度合いに基づいて前記複数の走
行可能領域のいずれかを選択する選択手段、ｆ．少なくとも前記検出された自車状態に基づいて自車
の走行軌跡を求める軌跡算出手段、およびｇ．選択された走行可能領域を走行すべく少なくとも前
記検出された自車の状態と算出された走行軌跡とに基づ
いて車両走行の制御量を算出する制御量算出手段、を備
えたことを特徴とする自動走行車両。
【請求項２】ｈ．少なくとも前記検出された障害物の状
態に基づいて障害物の移動軌跡を求める移動軌跡算出手
段、を備え、前記制御量算出手段は、少なくとも前記求
めた自車の軌跡と障害物の移動軌跡とに基づいて前記車
両走行の制御量を算出することを特徴とする請求項１項
記載の自動走行車両。
【請求項３】前記制御量算出手段は、前記選択された
走行可能領域へ自車が移動を開始するまでの時間遅れを
補正する手段を備えることを特徴とする請求項１項また
は２項記載の自動走行車両。
【請求項４】前記制御量算出手段は、前記選択された
走行可能領域に対する自車の最適位置を求める手段を備
えることを特徴とする請求項１項ないし３項のいずれか
に記載の自動走行車両。
【請求項５】外界を認識しつつ自動走行する車両にお
いて、ａ．少なくとも車両が走行する走行可能領域を認識して
走行可能領域の状態を示すパラメータを検出する手段、ｂ．少なくとも車両の走行状態を示すパラメータを検出
する手段、ｃ．前記検出されたパラメータを前件部に用いてファジ
ィプロダクションルールを設定し、ファジィ推論を行っ
てその後件部の重みを求める第１ファジィ推論手段、ｄ．前記後件部を前件部に用いて第ｎ（ｎ≧２）のファ
ジィプロダクションルールを設定し、第ｎのファジィ推
論を行って第ｎルールの後件部の重みと重心位置とから
後件部の出力を求める第ｎファジィ推論手段、およびｅ．求めた後件部の出力に基づいて車両走行の制御量を
算出する制御量算出手段、を備えたことを特徴とする自
動走行車両。