[go: up one dir, main page]

CN108885836B - 驾驶辅助装置、系统、方法、控制装置、车辆及介质 - Google Patents

驾驶辅助装置、系统、方法、控制装置、车辆及介质 Download PDF

Info

Publication number
CN108885836B
CN108885836B CN201780019526.6A CN201780019526A CN108885836B CN 108885836 B CN108885836 B CN 108885836B CN 201780019526 A CN201780019526 A CN 201780019526A CN 108885836 B CN108885836 B CN 108885836B
Authority
CN
China
Prior art keywords
driving
automation
levels
output
unit
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN201780019526.6A
Other languages
English (en)
Other versions
CN108885836A (zh
Inventor
江村恒一
本村秀人
萨希姆·科尔科斯
泽田好秀
辻胜长
森俊也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Automotive Systems Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN108885836A publication Critical patent/CN108885836A/zh
Application granted granted Critical
Publication of CN108885836B publication Critical patent/CN108885836B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • 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
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W50/16—Tactile feedback to the driver, e.g. vibration or force feedback to the driver on the steering wheel or the accelerator pedal
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • 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
    • 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
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration
    • 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
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Mathematical Physics (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)

Abstract

自动化水平判定部基于与使用驾驶行为模型得到的估计结果即多种驾驶行为分别对应的可靠性的偏离度，选择被定义为多个级别的自动化水平中的一个自动化水平。生成部将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与选择出的一个自动化水平对应的输出模板，由此生成提示信息。输出部输出所生成的提示信息。

Description

驾驶辅助装置、系统、方法、控制装置、车辆及介质
技术领域
本发明涉及一种车辆、对车辆设置的驾驶辅助方法以及利用了该驾驶辅助方法的驾驶辅助装置、自动驾驶控制装置、驾驶辅助系统、程序。
背景技术
自动驾驶车辆通过检测车辆的周围的状况并自动执行驾驶行为来行驶。在这种自动驾驶车辆中搭载用于乘员立即变更自动驾驶车辆的行为的车辆操作装置。车辆操作装置提示能够执行的驾驶行为，来使乘员选择驾驶行为(例如，参照专利文献1)。
专利文献1：国际公开第15/141308号
非专利文献1：“人与机械的共生的设计探讨《以人类为中心的自动化》”，pp.111～118，森北出版，T.B.Sheridan，Telerobotics，“Automation，and Human SupervisoryControl”，MITPress，1992.，T.Inagaki，etal，“Trust，self-confidence and authorityin human-machine systems，”Proc.IFAC HMS，1998.
发明内容
本发明的目的在于，提供一种能够根据所提示的信息的可靠性向乘员适当地通知能够执行的驾驶行为的技术。
本发明的某个方式的驾驶辅助装置具备自动化水平判定部、生成部以及输出部。自动化水平判定部基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。生成部通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与在自动化水平判定部中选择出的一个自动化水平对应的输出模板，来生成提示信息。输出部输出在生成部中生成的提示信息。
本发明的其它方式是一种自动驾驶控制装置。该装置具备自动化水平判定部、生成部、输出部以及自动驾驶控制部。自动化水平判定部基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。生成部通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与在自动化水平判定部中选择出的一个自动化水平对应的输出模板，来生成提示信息。输出部输出在生成部中生成的提示信息。自动驾驶控制部基于多种驾驶行为中的一种驾驶行为来控制车辆的自动驾驶。
本发明的另一个方式是一种车辆。该车辆是一种具备驾驶辅助装置的车辆。驾驶辅助装置具备自动化水平判定部、生成部以及输出部。自动化水平判定部基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。生成部通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与在自动化水平判定部中选择出的一个自动化水平对应的输出模板，来生成提示信息。输出部输出在生成部中生成的提示信息。
本发明的另一个方式是一种驾驶辅助系统。该驾驶辅助系统具备生成驾驶行为模型的服务器和接收在服务器中生成的驾驶行为模型的驾驶辅助装置。驾驶辅助装置具备自动化水平判定部、生成部以及输出部。自动化水平判定部基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。生成部通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与在自动化水平判定部中选择出的一个自动化水平对应的输出模板，来生成提示信息。输出部输出在生成部中生成的提示信息。
本发明的另一个方式是一种驾驶辅助方法。该方法包括以下步骤：选择自动化水平；生成提示信息；以及输出所生成的提示信息。在选择自动化水平的步骤中，基于与作为使用驾驶行为模型得到的估计结果的多种驾驶分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。在生成提示信息的步骤中，通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与选择出的一个自动化水平对应的输出模板，来生成提示信息。
此外，以上的构成要素的任意的组合以及将本发明的表现在装置、系统、方法、程序、记录有程序的非暂时性记录介质、搭载有本装置的车辆等之间进行变换所得的方式也作为本发明的方式而有效。
根据本发明，能够根据所提示的信息的可靠性向乘员适当地通知驾驶行为。
附图说明
图1是表示实施方式所涉及的车辆的结构的图。
图2是示意性地表示图1的车辆的室内的图。
图3是表示图1的控制部的结构的图。
图4是表示图3的自动化水平判定部的动作概要的图。
图5是表示图3的输出模板存储部中存储的输出模板的结构的图。
图6是表示图3的输出模板存储部中存储的其它输出模板的结构的图。
图7是表示图3的输出模板存储部中存储的另一个输出模板的结构的图。
图8A是表示在图3的生成部中生成的提示信息的结构的图。
图8B是表示在图3的生成部中生成的提示信息的结构的图。
图9是表示图3的显示控制部的输出过程的流程图。
具体实施方式
在说明本发明的实施方式之前，简单地说明以往的系统的问题点。在自动驾驶车辆的自动化系统中，由于时时刻刻变化的车辆的周边的状况或用于检测车辆的周边的状况的传感器的性能限制等，被提示的能够执行的驾驶行为的可靠性有波动。在乘员不掌握这种可靠性的波动就选择了被提示的能够执行的驾驶行为的情况下，有可能产生对自动化系统的不信任。另外，当利用提示方法几乎不变的界面来通知自动化系统的判断结果时，对于驾驶员而言，由于可靠性低的判断结果而导致对系统的不信任，或者由于可靠性高的判断结果而导致对系统的过度信任。并且，每次使驾驶员询问针对可靠性高的判断结果的应对措施，可能使驾驶员感到厌烦或者有可能使感到厌烦的驾驶员反而忽略应该重点应对的判断结果。
在具体地说明本实施方式之前叙述概要。本实施方式涉及一种汽车的自动驾驶。特别是，本实施方式涉及一种对用于与车辆的乘员(例如驾驶员)之间交换与车辆的驾驶行为有关的信息的HMI(Human Machine Interface：人机接口)进行控制的装置(以下也称为“驾驶辅助装置”。)。如下面那样定义本实施方式中的各种术语。“驾驶行为”包括车辆的行驶中或停止时的转向、制动等工作状态或者自动驾驶控制所涉及的控制内容，例如是指定速行驶、加速、减速、暂停、停止、车道变更、路径变更、左右转弯、停车等。另外，驾驶行为也可以是巡航(保持车道且保持车速)、车道保持、前车跟随、跟随时的起步停车、车道变更、超车、应对合流车辆、包括进出高速公路在内的道路切换(高速路出入口)、合流、应对施工区域、应对紧急车辆、应对闯入车辆、应对左右转弯专用道、与行人/自行车的交互、躲避车辆以外的障碍物、应对标识、应对左右转弯/调头限制、应对车道限制、应对单向通行、应对交通标识、应对交叉路口/环岛等。
作为“驾驶行为估计引擎”，能够使用DL(Deep Learning：深度学习)、ML(MachineLearning：机器学习)、过滤等中的任一个或者它们的组合。Deep Learning例如是CNN(Convolutional Neural Network：卷积神经网络)、RNN(Recurrent Neural Network：递归神经网络)。另外，Machine Learning例如是SVM(Support Vector Machine：支持向量机)。并且，过滤例如是协同过滤。
根据驾驶行为估计引擎来唯一地确定“驾驶行为模型”。DL的情况下的驾驶行为模型是被学习的神经网络(Neural Network)，SVM的情况下的驾驶行为模型是被学习的预测模型，协同过滤的情况下的驾驶行为模型是将行驶环境数据与驾驶行为数据链接的数据。将规则库保持为预先决定的判定基准，在该规则库中，驾驶行为模型是在多种行为分别表示危险或不危险的情况下将输入与输出链接的数据。
基于这种定义，在此，使用通过机器学习等生成的驾驶行为模型来导出驾驶行为。驾驶行为的可靠性与车辆的周围的状况、传感器的性能限制以及在此之前的学习内容相应地变化。在预测出的驾驶行为的可靠性高的情况下，驾驶员遵循该驾驶行为即可，但在驾驶行为的可靠性低的情况下，驾驶员最好不要遵循该驾驶行为。因此，在提示驾驶行为的情况下，期望使驾驶员也掌握驾驶行为的可靠性。因此，在本实施方式中，根据各个驾驶行为模型的可靠性来改变输出方法。此外，可靠性表示被导出的驾驶行为的可信度，在DL的情况下相当于估计结果的累积值，在SVM的情况下相当于置信度值(confidence value)，在协同过滤的情况下相当于相关度。在规则库的情况下相当于规则的可靠性。
下面，参照附图来详细地说明本发明的实施方式。此外，以下要说明的各实施方式是一例，本发明并不限定于这些实施方式。
图1示出实施方式所涉及的车辆100的结构，特别示出与自动驾驶有关的结构。车辆100能够以自动驾驶模式行驶，包括通知装置2、输入装置4、无线装置8、驾驶操作部10、检测部20、自动驾驶控制装置30以及驾驶辅助装置(HMI控制器)40。图1所示的各装置之间也可以通过专线或CAN(Controller Area Network：控域网)等有线通信方式连接。另外，也可以通过USB(Universal Serial Bus：通用串行总线)、Ethernet(注册商标)、Wi-Fi(注册商标)、Bluetooth(注册商标)等有线通信或无线通信方式进行连接。
通知装置2向驾驶员通知与车辆100的行驶有关的信息。通知装置2例如是在设置于车内的车辆导航系统、平视显示器、中央显示器、方向盘、连接柱、仪表盘、检测仪表板等周围设置的LED(发光二极管)等发光体那样的用于显示信息的显示部。另外，通知装置2也可以是将信息转换为声音来向驾驶员发出通知的扬声器，或者也可以是设置于驾驶员所能感知的位置(例如，驾驶员的驾驶座、方向盘等)的振动体。通知装置2还可以是这些装置的组合。输入装置4是用于接收乘员的操作输入的用户接口装置。例如，输入装置4接收由驾驶员输入的与本车的自动驾驶有关的信息。输入装置4将接收到的信息作为操作信号输出到驾驶辅助装置40。
图2示意性地示出车辆100的室内。通知装置2既可以是平视显示器(HUD)2a，也可以是中央显示器2b。输入装置4既可以是设置于方向盘11的第一操作部4a，也可以是设置在驾驶座与副驾驶座之间的第二操作部4b。此外，通知装置2与输入装置4也可以形成一体，例如也可以安装成触摸面板显示器的形式。也可以是，在车辆100还设置扬声器6，该扬声器6通过声音向乘员提示与自动驾驶有关的信息。在该情况下，驾驶辅助装置40也可以使通知装置2显示表示与自动驾驶有关的信息的图像，与此同时从扬声器6输出表示与自动驾驶有关的信息的声音，或者取而代之地从扬声器6输出表示与自动驾驶有关的信息的声音。返回到图1。
无线装置8与便携式电话通信系统、WMAN(Wireless Metropolitan AreaNetwork：无线城域网)等对应，用于执行无线通信。具体地说明，无线装置8经由网络302与服务器300通信。服务器300是车辆100外部的装置，包括驾驶行为学习部310。后文叙述驾驶行为学习部310。此外，在驾驶辅助系统500中能够包括服务器300和驾驶辅助装置40。
驾驶操作部10具备转向器11、制动踏板12、加速踏板13以及转向灯开关14。转向器11、制动踏板12、加速踏板13、转向灯开关14能够利用转向灯控制器对转向器ECU、制动器ECU、发动机ECU以及马达ECU中的至少一方进行电子控制。在自动驾驶模式下，转向器ECU、制动器ECU、发动机ECU以及马达ECU根据从自动驾驶控制装置30提供的控制信号来驱动致动器。另外，方向指示灯控制器根据从自动驾驶控制装置30提供的控制信号来使方向指示灯点亮或熄灭。
检测部20检测车辆100的周围状况和行驶状态。检测部20例如检测车辆100的速度、先行车辆的相对于车辆100的相对速度、车辆100与先行车辆的距离、侧方车道的车辆的相对于车辆100的相对速度、车辆100与侧方车道的车辆的距离以及车辆100的位置信息。检测部20将检测到的各种信息(以下，称为“检测信息”)输出到自动驾驶控制装置30和驾驶辅助装置40。检测部20包括位置信息获取部21、传感器22、速度信息获取部23以及地图信息获取部24。
位置信息获取部21从GPS(Global Positioning System：全球定位系统)接收机获取车辆100的当前位置。传感器22是用于检测车外的状况和车辆100的状态的各种传感器的总称。作为用于检测车外的状况的传感器，例如搭载摄像机、毫米波雷达、LIDAR(LightDetection and Ranging、Laser Imaging Detection and Ranging：激光雷达)、气温传感器、气压传感器、湿度传感器、照度传感器等。车外的状况包括：包括车道信息在内的本车行驶的道路状况；包括天气在内的环境；本车周边状况；以及位于附近位置的其它车(在相邻车道行驶的其它车等)。此外，只要是传感器22能够检测的车外的信息即可，可以是任意信息。另外，作为用于检测车辆100的状态的传感器22，例如搭载加速度传感器、陀螺仪传感器、地磁传感器、倾斜传感器等。
速度信息获取部23从车速传感器获取车辆100的当前速度。地图信息获取部24从地图数据库获取车辆100的当前位置周边的地图信息。地图数据库既可以事先记录于车辆100内的记录介质，也可以在使用时经由网络从地图服务器下载。
自动驾驶控制装置30是安装有自动驾驶控制功能的自动驾驶控制器，用于决定自动驾驶中的车辆100的行为。自动驾驶控制装置30具备控制部31、存储部32以及I/O部(输入输出部)33。控制部31的结构能够通过硬件资源与软件资源的协作来实现，或者仅通过硬件资源来实现。作为硬件资源，能够利用处理器、ROM(Read Only Memory：只读存储器)、RAM(Random Access Memory：随机存取存储器)以及其它LSI(大规模集成电路)，作为软件资源，能够利用操作系统、应用程序、固件等程序。存储部32具备快闪存储器等非易失性记录介质。I/O部33执行与各种通信格式相应的通信控制。例如，I/O部33向驾驶辅助装置40输出与自动驾驶有关的信息，并且从驾驶辅助装置40向I/O部33输入控制命令。另外，从检测部20向I/O部33输入检测信息。
控制部31将从驾驶辅助装置40输入的控制命令、从检测部20或各种ECU收集到的各种信息应用于自动驾驶算法，来计算用于控制车辆100的行进方向等自动控制对象的控制值。控制部31将计算出的控制值传递到各控制对象的ECU或控制器。在本实施方式中，传递到转向器ECU、制动器ECU、发动机ECU、方向指示灯控制器。此外，在电动汽车或混合动力车辆的情况下，代替发动机ECU而向马达ECU传递控制值，或者除了向发动机ECU传递控制值以外还向马达ECU传递控制值。
驾驶辅助装置40是用于执行车辆100与驾驶员之间的接口功能的HMI(HumanMachine Interface：人机接口)控制器，具备控制部41、存储部42以及I/O部43。控制部41执行HMI控制等各种数据处理。控制部41能够通过硬件资源与软件资源的协作来实现，或者仅通过硬件资源来实现。作为硬件资源，能够利用处理器、ROM、RAM以及其它LSI，作为软件资源，能够利用操作系统、应用程序、固件等程序。
存储部42是用于存储由控制部41参照或更新的数据的存储区域。例如通过快闪存储器等非易失的记录介质来实现。I/O部43执行与各种通信格式相应的各种通信控制。I/O部43具备操作输入部50、图像/声音输出部51、检测信息输入部52、命令IF(接口)53以及通信IF 56。
操作输入部50从输入装置4接收由驾驶员或乘员或者处于车外的用户对输入装置4进行的操作的操作信号，并向控制部41输出该操作信号。图像/声音输出部51将由控制部41生成的图像数据或声音消息输出到通知装置2来进行显示。检测信息输入部52从检测部20接收利用检测部20进行的检测处理的结果，即表示车辆100的当前的周围状况和行驶状态的信息(以下，称为“检测信息”)，并向控制部41输出该信息。
命令IF 53用于执行与自动驾驶控制装置30之间的接口处理，包括行为信息输入部54和命令输出部55。行为信息输入部54接收从自动驾驶控制装置30发送的与车辆100的自动驾驶有关的信息，并输出到控制部41。命令输出部55从控制部41接收用于对自动驾驶控制装置30指示自动驾驶的方式的控制命令，并发送到自动驾驶控制装置30。
通信IF 56用于执行与无线装置8之间的接口处理。通信IF 56将从控制部41输出的数据发送到无线装置8，进而从无线装置8发送到车外的装置。另外，通信IF 56接收由无线装置8传送的来自车外的装置的数据，并输出到控制部41。
此外，在此，自动驾驶控制装置30与驾驶辅助装置40构成为相独立的装置。作为变形例，也可以如图1的虚线所示那样将自动驾驶控制装置30与驾驶辅助装置40整合为一个控制器。换言之，也可以是一个自动驾驶控制装置具备图1的自动驾驶控制装置30和驾驶辅助装置40这双方的功能的结构。
图3表示控制部41的结构。控制部41包括驾驶行为估计部70和显示控制部72。驾驶行为估计部70包括驾驶行为模型80、估计部82以及直方图生成部84。显示控制部72包括自动化水平判定部90、输出模板存储部92、生成部94以及输出部96。
驾驶行为估计部70为了判定车辆100能够执行的多个驾驶行为的候选中的在当前的状况下能够实现的驾驶行为，使用预先通过学习构建的神经网络(NN)。在此，能够实现的驾驶行为也可以是多个，判定驾驶行为也可以说是估计驾驶行为。
驾驶行为估计部70中的处理也与图1的服务器300中的驾驶行为学习部310相关联，因此，在此首先说明驾驶行为学习部310的处理。驾驶行为学习部310将多个驾驶员的驾驶历史记录和行驶历史记录中的至少一个作为参数输入到神经网络。另外，驾驶行为学习部310优化神经网络的权重，以使来自神经网络的输出与对应于所输入的参数的示教数据一致。驾驶行为学习部310通过反复执行这种处理来生成驾驶行为模型80。也就是说，驾驶行为模型80是权重被优化后的神经网络。服务器300将在驾驶行为学习部310中生成的驾驶行为模型80经由网络302、无线装置8输出到驾驶辅助装置40。此外，驾驶行为学习部310基于新的参数来更新驾驶行为模型80，但更新后的驾驶行为模型80既可以被实时地输出到驾驶辅助装置40，也可以被延迟地输出到驾驶辅助装置40。
由驾驶行为学习部310生成且被输入到驾驶行为估计部70的驾驶行为模型80是由多个驾驶员的驾驶历史记录和行驶历史记录中的至少一个构建的神经网络。另外，驾驶行为模型80也可以是通过特定的驾驶员的行驶历史记录和使用了行驶历史记录的转移学习来重新构建由多个驾驶员的驾驶历史记录和行驶历史记录构建的神经网络而得到的神经网络。在神经网络的构建中使用公知的技术即可，因此在此省略说明。此外，在图3的驾驶行为估计部70中包括一个驾驶行为模型80，但在驾驶行为估计部70中也可以按每个驾驶员、乘员、行驶场景、天气、国家包括多个驾驶行为模型80。
估计部82使用驾驶行为模型80估计驾驶行为。在此，驾驶历史记录表示与由车辆100过去进行的多个驾驶行为分别对应的多个特征量(以下，称为“特征量集”)。与驾驶行为对应的多个特征量例如是表示由车辆100进行该驾驶行为的时间点之前规定时间的时间点的车辆100的行驶状态的量。特征量例如是同乘者数、车辆100的速度、方向盘的运动、制动的程度、加速的程度等。驾驶历史记录也可以被称为驾驶特性模型。因此，特征量例如是与速度有关的特征量、与转向器有关的特征量、与操作定时有关的特征量、与车外感测有关的特征量或与车内感测有关的特征量等。这些特征量由图1的检测部20检测，并经由I/O部43被输入到估计部82。另外，这些特征量也可以被添加到多个驾驶员的行驶历史记录中，来重新用于神经网络的重建。并且，这些特征量也可以被添加到特定的驾驶员的行驶历史记录中，来重新用于神经网络的重建。
行驶历史记录表示与由车辆100过去进行的多个驾驶行为分别对应的多个环境参数(以下，称为“环境参数集”)。与驾驶行为对应的多个环境参数例如是表示由车辆100进行该驾驶行为的时间点之前规定时间的时间点的车辆100的环境(周围的状况)的参数。环境参数例如是本车辆的速度、先行车辆相对于本车辆的相对速度以及先行车辆与本车辆的车间距离等。另外，这些环境参数由图1的检测部20检测，并经由I/O部43被输入到估计部82。另外，这些环境参数也可以被添加到多个驾驶员的行驶历史记录中，来重新用于神经网络的重建。并且，这些环境参数也可以被添加到特定的驾驶员的行驶历史记录中，来重新用于神经网络的重建。
估计部82获取驾驶历史记录或行驶历史记录中包含的特征量集或环境参数来作为输入参数。估计部82向驾驶行为模型80的神经网络输入输入参数，将来自神经网络的输出作为估计结果输出到直方图生成部84。
直方图生成部84从估计部82获取驾驶行为以及与各驾驶行为对应的估计结果，来生成表示针对该驾驶行为的估计结果的累计值的直方图。因此，在直方图中包含多种驾驶行为以及与各驾驶行为对应的累积值。在此，累积值是将导出针对驾驶行为的估计结果的次数进行累积得到的值。直方图生成部84将生成的直方图输出到自动化水平判定部90。
自动化水平判定部90被直方图生成部84输入直方图，也就是多种驾驶行为以及与各驾驶行为对应的累积值，基于这些内容来确定自动化水平。在此，根据驾驶员需要监视交通状况至何种程度或者驾驶员在哪个范围内承担车辆的操作责任来多级别地定义自动化水平。也就是说，自动化水平是与决定应该做什么、在执行该动作时人与自动化系统如何能够协调有关的概念。自动化水平例如在稻垣，“人与机械的共生的设计探讨《以人类为中心的自动化》”，pp.111～118，森北出版，T.B.Sheridan，Telerobotics，“Automation，andHuman Supervisory Control”，MITPress，1992.，T.Inagaki，etal，“Trust，self-confidence and authority in human-machine systems，”Proc.IFACHMS，1998.中被公开。
在此，自动化水平例如被定义为11个级别。在自动化水平“1”的情况下，人类在没有计算机的辅助的情况下决定并执行所有操作。在自动化水平“2”的情况下，计算机提示所有的选项，人类选择并执行其中的一个选项。在自动化水平“3”的情况下，计算机向人类提示所有可能的选项，并且选择并提出其中一个选项，由人类决定是否执行该选项。在自动化水平“4”的情况下，计算机在从可能的选项中选择一个选项之后向人类提出该选项，人类决定是否执行该选项。在自动化水平“5”的情况下，计算机向人类提示一个方案，如果人类同意，则计算机执行该方案。
在自动化水平“6”的情况下，计算机向人类提示一个方案，只要人类在固定时间以内不指示执行中止，计算机就执行该方案。在自动化水平“6.5”的情况下，计算机在向人类提示一个方案的同时执行该方案。在自动化水平“7”的情况下，计算机进行所有操作，并通知人类执行了什么。在自动化水平“8”的情况下，计算机决定并执行所有操作，如果人类询问，则通知人类执行了什么。在自动化水平“9”的情况下，计算机决定并执行所有操作，仅在计算机确认了必要性时通知人类执行了什么。在自动化水平“10”的情况下，计算机决定并执行所有操作。这样，在最低的自动化水平“1”的情况下，没有进行自动化，完全是手动，在最高的自动化水平“10”的情况下，完全进行自动化。也就是说，自动化水平越高，由计算机进行的处理越成为主导。
在此，依次说明自动化水平判定部90中的处理。首先，自动化水平判定部90对直方图的累积值的和的中央值与各驾驶行为的累积值的差分值进行平方。由于差分为正负双方的值，因此进行平方是为了导出与中央值之间的距离。接着，自动化水平判定部90根据各驾驶行为的平方值的差来导出直方图的形状的偏离度，也就是表示各驾驶行为的累积值集中的程度的偏离度。例如，如果各驾驶行为的平方值在规定的范围内，则直方图的形状的偏离度小。另一方面，在至少一个驾驶行为的平方值与其它平方值相比大规定值以上的情况下，直方图的形状的偏离度大。另外，在直方图的形状的偏离度大的情况下，自动化水平判定部90从累积值高的驾驶行为的直方图起依次计算从累积值减去剩余的驾驶行为的累积值的中央值而得到的值，来作为峰度。自动化水平判定部90对峰度大于规定值的峰度进行计数来作为峰，并计算峰数。
这样，自动化水平判定部90基于累积值来导出偏离度和峰数，该累积值是与作为使用通过机器学习等生成的驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性。并且，自动化水平判定部90基于偏离度和峰数选择被定义为多个级别的自动化水平中的一个自动化水平。例如，在驾驶行为数为“0”的情况下，自动化水平判定部90选择自动化水平“1”。另外，在偏离度小的情况下，自动化水平判定部90选择自动化水平“2”。另外，在峰数为2以上的情况下，自动化水平判定部90选择自动化水平“3”，在峰数为1的情况下，自动化水平判定部90选择自动化水平3～10中的任一个。在此，自动化水平判定部90根据偏离度或峰度的规定值来选择自动化水平3～10中的任一个。自动化水平判定部90向生成部94通知所选择的自动化水平和直方图中包含的多种驾驶行为。
图4表示自动化水平判定部90的动作概要。在此，作为从直方图生成部84输入的一例，示出第一直方图200、第二直方图202。为了使比较变得简单，在第一直方图200、第二直方图202中共同包含驾驶行为A～E，但也可以包含互不相同的驾驶行为。在第一直方图200中，针对驾驶行为A的累积值显著大于针对其它驾驶行为的累积值。因此，第一直方图200中的偏离度变大。另一方面，在第二直方图202中没有包含累积值显著大的驾驶行为。因此，第二直方图202中的偏离度变小。对于偏离度大的第一直方图200而言，选择自动化水平“6.5”，对于偏离度小的第二直方图202而言，选择自动化水平“2”。这是由于，通过包含显著的累积值，偏离度越大，驾驶行为的选择的可靠性越高。返回到图3。
输出模板存储部92存储与被定义为多个级别的自动化水平分别对应的输出模板。输出模板是用于向驾驶员示出由驾驶行为估计部70估计出的驾驶行为的格式。输出模板既可以被规定为声音和文字，也可以被规定为图像和影像。图5表示输出模板存储部92中存储的输出模板的结构。对于自动化水平“1”而言，存储“无法自动驾驶。请手动驾驶。”的声音和文字，并且存储不催促驾驶员进行输入的图像和影像。
对于自动化水平“2”而言，存储“请从A、B、C、D、E选择自动驾驶”的声音和文字，并且存储用于催促驾驶员输入A至E中的任一个的图像和影像。在此，从A到E输入驾驶行为。此外，被输入的驾驶行为的个数并不限定于“5”。对于自动化水平“3”而言，存储“可能的自动驾驶是A和B。执行哪一个？”的声音和文字，并且存储用于催促驾驶员选择A或B的图像和影像。此外，图像和影像也可以用日语来显示“A或B”的消息。
图6表示输出模板存储部92中存储的其它输出模板的结构。对于自动化水平“4”而言，存储“推荐的自动驾驶是A。请按下执行按钮或中止按钮。”的声音和文字，并且存储用于催促驾驶员选择执行或中止的图像和影像。此外，图像和影像也可以用日语显示“请选择执行或取消A”的消息。对于自动化水平“5”而言，存储“推荐的自动驾驶是A。如果答复OK则执行A。”的声音和文字，并且也存储用于在从驾驶员输入了“OK”的答复的情况下输出的“执行自动驾驶A。”的声音和文字。另外，存储用于催促驾驶员发出“OK”的声音的图像和影像。此外，图像和影像也可以用日语显示“为了执行A，请说‘OK’”的消息。对于自动化水平“6”而言，存储“推荐的自动驾驶是A。在10秒以内不按下中止按钮的情况下执行A。”的声音和文字，并且存储对直到使中止按钮的受理结束为止的时间进行倒计数那样的图像和影像。此外，图像和影像也可以用日语显示“如果在3秒以内不取消则执行A”的消息。
图7表示输出模板存储部92中存储的另一个输出模板的结构。对于自动化水平“6.5”而言，存储“执行自动驾驶A。在想要中止的情况下请按下中止按钮。”的声音和文字，并且存储表示中止按钮的图像和影像。此外，图像和影像也可以用日语显示“执行A。为了中止请取消”的消息。对于自动化水平“7”而言，存储在执行自动驾驶A后要输出的“执行自动驾驶A。”的声音和文字，并且存储用于告知自动驾驶A的执行的图像和影像。此外，图像和影像也可以用日语显示“执行了A”的消息。
对于自动化水平“8”而言，存储有在执行自动驾驶A后由驾驶员输入了“发生了什么？”的情况下要输出的“为了躲避行人执行了自动驾驶A。”的声音和文字。另外，存储用于告知自动驾驶A的执行及其理由的图像和影像。此外，图像和影像也可以用日语显示“为了躲避行人执行了A”的消息。对于自动化水平“9”而言，存储在执行自动驾驶A后要输出的“为了避免碰撞执行了自动驾驶A。”的声音和文字，并且存储与自动化水平“8”时的图像和影像相同的图像和影像。对于自动化水平“10”而言，不存储声音和文字，而存储不催促驾驶员进行输入的图像和影像。
根据图5至图7，与11个级别的自动化水平分别对应的输出模板被分为4类。第一类是包括自动化水平“1”的第一级别的自动化水平下的输出模板。这是最低的自动化水平下的输出模板。在第一级别的自动化水平下的输出模板中，不通知驾驶行为。第二类是包括自动化水平“2”到“6.5”的第二级别的自动化水平下的输出模板。这是自动化水平比第一级别高的自动化水平下的输出模板。在第二级别的自动化水平下的输出模板中，通知驾驶行为的选项。此外，在选项中也包含中止。
第三类是包括自动水平“7”至“9”的第三级别的自动化水平下的输出模板。这是自动化水平比第二级别高的自动化水平下的输出模板。在第三级别的自动化水平下的输出模板中，通知驾驶行为的执行报告。第四类是包括自动化水平“10”的第四级别的自动化水平下的输出模板。这是自动化水平比第三级别高且自动化水平最高的输出模板。在第四级别的自动化水平下的输出模板中，不通知驾驶行为。返回到图3。
生成部94从自动化水平判定部90接收所选择出的自动化水平和多种驾驶行为。生成部94从输出模板存储部92中存储的多个输出模板中获取与在自动化水平判定部90中选择出的一个自动化水平对应的输出模板。另外，生成部94通过将多种驾驶行为应用于所获取到的输出模板来生成提示信息。这相当于向在图5～图7所示的输出模板中包括的选项“A”～“E”等中嵌入驾驶行为。生成部94输出所生成的提示信息。
图8、图8B表示在生成部94中生成的提示信息的结构。图8A表示在自动化水平“2”的输出模板的图像和影像中嵌入左转弯、左车道变更、直行、右车道变更、右转弯的驾驶行为后的提示信息。图8B表示在自动化水平“3”的输出模板的图像和影像中嵌入直行、右车道变更的驾驶行为后的提示信息。返回到图3。
输出部96被输入来自生成部94的提示信息，并输出提示信息。在提示信息是声音和文字的情况下，输出部96经由图1的图像和声音输出部51向图2的扬声器6输出提示信息。扬声器6输出提示信息的声音消息。在提示信息是图像和影像的情况下，输出部96经由图1的图像和声音输出部51向图2的平视显示器2a或中心显示器2b输出提示信息。平视显示器2a或中心显示器2b显示提示信息的图像。此外，图1的自动驾驶控制装置30基于与多种驾驶行为中的一种驾驶行为对应的控制命令来控制车辆100的自动驾驶。
对以上结构的驾驶辅助装置40的动作进行说明。图9是表示控制部72的输出过程的流程图。自动化水平判定部90接收驾驶行为和累积值的输入(S10)。在驾驶行为数为“0”的情况下(S12为“是”)，自动化水平判定部90选择自动化水平“1”(S14)。在驾驶行为数不为“0”的情况下(S12为“否”)，自动化水平判定部90计算偏离度和峰数(S16)。在偏离度小于规定值1的情况下(S18为“是”)，自动化水平判定部90选择自动化水平“2”(S20)。在偏离度不小于规定值1(S18为“否”)且峰数为2以上的情况下(S22为“是”)，自动化水平判定部90选择自动化水平“3”(S24)。
在峰数不为2以上(S22为“否”)且偏离度小于规定值2的情况下(S26为“是”)，自动化水平判定部90选择自动化水平“4”(S28)。在偏离度不小于规定值2(S26为“否”)且偏离度小于规定值3的情况下(S30为“是”)，自动化水平判定部90选择自动化水平“5”(S32)。在偏离度不小于规定值3(S30为“否”)且偏离度小于规定值4的情况下(S34为“是”)，自动化水平判定部90选择自动化水平“6”或“6.5”(S36)。此外，在偏离度不小于规定值3且小于规定值4的期间偏离度稍低的情况下，选择自动化水平“6”，在偏离度不小于规定值3且小于规定值4期间偏离度稍高的情况下，选择自动化水平“6.5”。
在偏离度不小于规定值4(S34为“否”)且偏离度小于规定值5的情况下(S38为“是”)，自动化水平判定部90选择自动化水平“7”、“8”、“9”中的任一个(S40)。此外，在偏离度不小于规定值4且小于规定值5的期间偏离度稍低的情况下，选择自动化水平“7”，在偏离度不小于规定值4且小于规定值5的期间偏离度稍高的情况下，选择自动化水平“8”，在偏离度不小于规定值4且小于规定值5的期间偏离度进一步升高的情况下，选择自动化水平“9”。在偏离度不小于规定值5的情况下(S38为“否”)，自动化水平判定部90选择自动化水平“10”(S42)。生成部94读出与自动化水平对应的输出模板(S44)，并将驾驶行为应用于输出模板(S46)。输出部96输出提示信息(S48)。此外，规定值1<规定值2<规定值3<规定值4<规定值5。
根据本实施方式，使用与自动化水平对应的输出模板来生成提示信息，因此能够通知提示信息的可靠性，该自动化水平是基于使用通过机器学习等生成的驾驶行为模型得到的估计结果而选择出的。另外，基于作为使用通过机器学习等生成的驾驶行为模型得到的估计结果的驾驶行为的可靠性的偏离度来选择一个自动化水平，因此能够将驾驶行为的可靠性与自动化水平对应起来。另外，基于作为使用通过机器学习等生成的驾驶行为模型得到的估计结果的驾驶行为的可靠性的峰数来选择一个自动化水平，因此能够将驾驶行为的可靠性与自动化水平对应起来。另外，作为可靠性，使用累积值，因此在由估计部输出累积值的情况下，能够选择自动化水平。另外，由于在不同的自动化水平下输出模板不同，因此能够使驾驶员识别自动化水平。另外，由于在不同的自动化水平下输出模板不同，因此能够使用与自动化水平相匹配的输出模板。
以上，参照附图详细叙述了本发明所涉及的实施方式，但上述装置、各处理部的功能能够通过计算机程序来实现。通过程序来实现上述功能的计算机具备：键盘、鼠标、触摸面板等输入装置；显示器、扬声器等输出装置；CPU(Central Processing Unit：中央处理器)；ROM、RAM、硬盘装置、SSD(Solid State Drive：固态硬盘)等存储装置；从DVD-ROM(Digital Versatile Disk Read Only Memory：数字多功能磁盘只读存储器)、USB存储器等记录介质读取信息的读取装置；以及经由网络进行通信的网卡等。这些计算机的各部通过总线连接。
另外，读取装置从记录有上述程序的记录介质读取该程序，并将该程序存储于存储装置。或者，网卡与连接于网络的服务器装置进行通信，将从服务器装置下载的用于实现上述各装置的功能的程序存储于存储装置。另外，CPU将存储装置中存储的程序复制到RAM，通过从RAM中依次读出该程序中包含的命令并执行，来实现上述各装置的功能。
本发明的一个方式的概要如下那样。本发明的某个方式的驾驶辅助装置具备自动化水平判定部、生成部以及输出部。自动化水平判定部基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。生成部通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与在自动化水平判定部中选择出的一个自动化水平对应的输出模板，来生成提示信息。输出部输出在生成部中生成的提示信息。
根据该方式，使用与自动化水平对应的输出模板，因此能够通知所提示的信息的可靠性，该自动化水平是基于使用通过机器学习等生成的驾驶行为模型得到的估计结果而选择出的。
成为自动化水平判定部的处理对象的可靠性也可以是针对各驾驶行为的累积值。在该情况下，作为可靠性，使用累积值，因此在由估计部输出累积值的情况下，能够选择自动化水平。
成为自动化水平判定部的处理对象的可靠性也可以是针对各驾驶行为的似然度。在该情况下，作为可靠性，使用似然度，因此在由估计部输出似然度的情况下，能够选择自动化水平。
在生成部中成为使用对象且与被定义为多个级别的自动化水平分别对应的输出模板中，可以是，(1)在第一级别的自动化水平下，不通知驾驶行为，(2)在自动化水平比第一级别高的第二级别的自动化水平下，通知驾驶行为的选项，(3)在自动化水平比第二级别高的第三级别的自动化水平下，通知驾驶行为的执行报告，(4)在自动化水平比第三级别高的第四级别的自动化水平下，不通知驾驶行为。在该情况下，由于在不同的自动化水平下输出模板不同，因此能够使驾驶员识别自动化水平。
本发明的其它方式是一种自动驾驶控制装置。该装置具备自动化水平判定部、生成部、输出部以及自动驾驶控制部。自动化水平判定部基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。生成部通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与在自动化水平判定部中选择出的一个自动化水平对应的输出模板，来生成提示信息。自动驾驶控制部基于输出在生成部中生成的提示信息的输出部和多种驾驶行为中的一种驾驶行为来控制车辆的自动驾驶。
本发明的另一个方式是一种车辆。该车辆具备自动化水平判定部、生成部以及输出部。自动化水平判定部是一种具备驾驶辅助装置的车辆，驾驶辅助装置基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一种自动化水平。生成部通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与在自动化水平判定部中选择出的一个自动化水平对应的输出模板，来生成提示信息。输出部输出在生成部中生成的提示信息。
本发明的另一个方式是一种驾驶辅助系统。该驾驶辅助系统具有生成驾驶行为模型的服务器和接收在服务器中生成的驾驶行为模型的驾驶辅助装置。驾驶辅助装置具备自动化水平判定部、生成部以及输出部。自动化水平判定部基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。生成部通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与在自动化水平判定部中选择出的一个自动化水平对应的输出模板，来生成提示信息。输出部输出在生成部中生成的提示信息。
本发明的另一个方式是一种驾驶辅助方法。关于该方法，基于与作为使用驾驶行为模型得到的估计结果的多种驾驶行为分别对应的可靠性的偏离度来选择被定义为多个级别的自动化水平中的一个自动化水平。并且，通过将多种驾驶行为应用于与被定义为多个级别的自动化水平分别对应的输出模板中的与所选择出的一个自动化水平对应的输出模板，来生成提示信息。并且，输出所生成的提示信息。
以上，根据实施方式说明了本发明。这些实施方式是例示，对于本领域技术人员而言能够理解的是，在这些构成要素、处理程序的组合中能够包括各种变形例，另外，这些变形例也存在于本发明的范围。
在实施方式中，驾驶行为估计部70包含于驾驶辅助装置40的控制部41。然而，并不限于此，例如，驾驶行为估计部70也可以包含于自动驾驶控制装置30的控制部31。根据本变形例，能够提高结构的自由度。
在实施方式中，驾驶行为模型80在驾驶行为学习部310中生成，并被发送到驾驶行为估计部70。然而，并不限于此，例如，驾驶行为模型80也可以被预装于驾驶行为估计部70。根据本变形例，能够简化结构。
在实施方式中，驾驶行为估计部70利用通过使用神经网络的深度学习生成的驾驶行为模型，来执行估计。然而，并不限于此，例如，驾驶行为估计部70也可以利用使用了除深度学习以外的机器学习的驾驶行为模型。除深度学习以外的机器学习的一例是SVM。驾驶行为估计部70还可以使用通过统计处理生成的过滤。过滤的一例是协同过滤。在协同过滤中，计算对应于各驾驶行为的驾驶历史记录或行驶历史记录与输入参数的相关值，由此选择相关值高的驾驶行为。通过相关值来示出可信度，因此相关值也可以说成似然度，相当于可靠性。根据本变形例，作为可靠性，使用似然度，因此在由估计部82输出似然度的情况下，能够选择自动化水平。并且，驾驶行为估计部70可以是以下规则：预先保持一对输入和输出，该对输入和输出用于表示通过机器学习或过滤被唯一地对应起来的多种行为各自是否有危险。
产业上的可利用性
本发明能够利用于自动驾驶车辆。
附图标记说明
2：通知装置；2a：平视显示器；2b：中心显示器；4：输入装置；4a：第一操作部；4b：第二操作部；6：扬声器；8：无线装置；10：驾驶操作部；20：检测部；30：自动驾驶控制装置；31：控制部；32：存储部；33：I/O部；40：驾驶辅助装置；41：控制部；42：存储部；43：I/O部；50：操作输入部；51：图像和声音输出部；52：检测信息输入部；53：命令IF；54：行为信息输入部；55：命令输出部；56：通信IF；70：驾驶行为估计部；72：显示控制部；80：驾驶行为模型；82：估计部；84：直方图生成部；90：自动化水平判定部；92：输出模板存储部；94：生成部；96：输出部；100：车辆；300：服务器；302：网络；310：驾驶行为学习部；500：驾驶辅助系统。

Claims (9)

1.一种驾驶辅助装置，具备：
自动化水平判定部，其基于与多种驾驶行为分别对应的可靠性的偏离度，选择被定义为多个级别的自动化水平中的一个自动化水平，其中所述多种驾驶行为是使用驾驶行为模型得到的估计结果；
生成部，其将所述多种驾驶行为应用于与所述被定义为多个级别的自动化水平分别对应的输出模板中的与由所述自动化水平判定部选择出的一个自动化水平对应的输出模板，由此生成提示信息；以及
输出部，其输出在所述生成部中生成的所述提示信息。
2.根据权利要求1所述的驾驶辅助装置，其特征在于，
成为所述自动化水平判定部中的处理对象的所述可靠性是针对所述多种驾驶行为中的各种驾驶行为的累积值。
3.根据权利要求1所述的驾驶辅助装置，其特征在于，
成为所述自动化水平判定部中的处理对象的所述可靠性是针对所述多种驾驶行为中的各种驾驶行为的似然度。
4.根据权利要求1至3中的任一项所述的驾驶辅助装置，其特征在于，
在生成部中成为使用对象且与所述被定义为多个级别的自动化水平分别对应的输出模板中，(1)在第一级别的自动化水平下，不通知驾驶行为，(2)在自动化水平比第一级别高的第二级别的自动化水平下，通知驾驶行为的选项，(3)在自动化水平比第二级别高的第三级别的自动化水平下，通知驾驶行为的执行报告，(4)在自动化水平比第三级别高的第四级别的自动化水平下，不通知驾驶行为。
5.一种自动驾驶控制装置，具备：
自动化水平判定部，其基于与多种驾驶行为分别对应的可靠性的偏离度，选择被定义为多个级别的自动化水平中的一个自动化水平，其中所述多种驾驶行为是使用驾驶行为模型得到的估计结果；
生成部，其将所述多种驾驶行为应用于与所述被定义为多个级别的自动化水平分别对应的输出模板中的与由所述自动化水平判定部选择出的一个自动化水平对应的输出模板，由此生成提示信息；
输出部，其输出在所述生成部中生成的所述提示信息；以及
自动驾驶控制部，其基于所述多种驾驶行为中的一种驾驶行为来控制车辆的自动驾驶。
6.一种车辆，具备驾驶辅助装置，其中，
所述驾驶辅助装置具备：
自动化水平判定部，其基于与多种驾驶行为分别对应的可靠性的偏离度，选择被定义为多个级别的自动化水平中的一个自动化水平，其中所述多种驾驶行为是使用驾驶行为模型得到的估计结果；
生成部，其将所述多种驾驶行为应用于与所述被定义为多个级别的自动化水平分别对应的输出模板中的与由所述自动化水平判定部选择出的一个自动化水平对应的输出模板，由此生成提示信息；以及
输出部，其输出在所述生成部中生成的所述提示信息。
7.一种驾驶辅助系统，具备：
服务器，其生成驾驶行为模型；以及
驾驶辅助装置，其接收在所述服务器中生成的所述驾驶行为模型，
其中，所述驾驶辅助装置具备：
自动化水平判定部，其基于与多种驾驶行为分别对应的可靠性的偏离度，选择被定义为多个级别的自动化水平中的一个自动化水平，其中所述多种驾驶行为是使用驾驶行为模型得到的估计结果；
生成部，其将所述多种驾驶行为应用于与所述被定义为多个级别的自动化水平分别对应的输出模板中的与由所述自动化水平判定部选择出的一个自动化水平对应的输出模板，由此生成提示信息；以及
输出部，其输出在所述生成部中生成的所述提示信息。
8.一种驾驶辅助方法，包括以下步骤：
基于与多种驾驶行为分别对应的可靠性的偏离度，选择被定义为多个级别的自动化水平中的一个自动化水平，其中所述多种驾驶行为是使用驾驶行为模型得到的估计结果；
将所述多种驾驶行为应用于与所述被定义为多个级别的自动化水平分别对应的输出模板中的与选择出的一个自动化水平对应的输出模板，由此生成提示信息；以及
输出所生成的所述提示信息。
9.一种记录介质，记载有程序，该程序用于使计算机执行以下步骤：
基于与多种驾驶行为分别对应的可靠性的偏离度，选择被定义为多个级别的自动化水平中的一个自动化水平，其中所述多种驾驶行为是使用驾驶行为模型得到的估计结果；
将所述多种驾驶行为应用于与所述被定义为多个级别的自动化水平分别对应的输出模板中的与选择出的一个自动化水平对应的输出模板，由此生成提示信息；以及
输出所生成的所述提示信息。
CN201780019526.6A 2016-03-25 2017-02-14 驾驶辅助装置、系统、方法、控制装置、车辆及介质 Active CN108885836B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016-062683 2016-03-25
JP2016062683A JP6575818B2 (ja) 2016-03-25 2016-03-25 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
PCT/JP2017/005216 WO2017163667A1 (ja) 2016-03-25 2017-02-14 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

Publications (2)

Publication Number Publication Date
CN108885836A CN108885836A (zh) 2018-11-23
CN108885836B true CN108885836B (zh) 2021-05-07

Family

ID=59901168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780019526.6A Active CN108885836B (zh) 2016-03-25 2017-02-14 驾驶辅助装置、系统、方法、控制装置、车辆及介质

Country Status (5)

Country Link
US (1) US20190071101A1 (zh)
JP (1) JP6575818B2 (zh)
CN (1) CN108885836B (zh)
DE (1) DE112017001551T5 (zh)
WO (1) WO2017163667A1 (zh)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6451674B2 (ja) * 2016-03-14 2019-01-16 株式会社デンソー 運転支援装置
WO2018042592A1 (ja) * 2016-09-01 2018-03-08 三菱電機株式会社 自動運転レベル低下可否判定装置、自動運転レベル低下可否判定方法
US10452068B2 (en) * 2016-10-17 2019-10-22 Uber Technologies, Inc. Neural network system for autonomous vehicle control
JP6820533B2 (ja) * 2017-02-16 2021-01-27 パナソニックＩｐマネジメント株式会社 推定装置、学習装置、推定方法、及び推定プログラム
WO2018159429A1 (ja) 2017-03-02 2018-09-07 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、運転支援システム
US20180348751A1 (en) * 2017-05-31 2018-12-06 Nio Usa, Inc. Partially Autonomous Vehicle Passenger Control in Difficult Scenario
CN113850371A (zh) * 2017-11-23 2021-12-28 北京嘀嘀无限科技发展有限公司 估计到达时间的系统和方法
JP6965426B2 (ja) * 2017-11-23 2021-11-10 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド 到着時間を推定するためのシステムおよび方法
CN110248861B (zh) 2018-01-07 2023-05-30 辉达公司 在车辆操纵过程中使用机器学习模型来引导车辆
JP6869380B2 (ja) 2018-01-17 2021-05-12 三菱電機株式会社 運転制御装置、運転制御方法及び運転制御プログラム
WO2019152888A1 (en) 2018-02-02 2019-08-08 Nvidia Corporation Safety procedure analysis for obstacle avoidance in autonomous vehicle
DE112019000049T5 (de) 2018-02-18 2020-01-23 Nvidia Corporation Für autonomes fahren geeignete objekterfassung und erfassungssicherheit
US10997433B2 (en) 2018-02-27 2021-05-04 Nvidia Corporation Real-time detection of lanes and boundaries by autonomous vehicles
WO2019178548A1 (en) 2018-03-15 2019-09-19 Nvidia Corporation Determining drivable free-space for autonomous vehicles
US11080590B2 (en) 2018-03-21 2021-08-03 Nvidia Corporation Stereo depth estimation using deep neural networks
CN111919225B (zh) 2018-03-27 2024-03-26 辉达公司 使用模拟环境对自主机器进行培训、测试和验证
US11966838B2 (en) 2018-06-19 2024-04-23 Nvidia Corporation Behavior-guided path planning in autonomous machine applications
DE102019113114A1 (de) 2018-06-19 2019-12-19 Nvidia Corporation Verhaltensgesteuerte wegplanung in autonomen maschinenanwendungen
TWI690440B (zh) * 2018-10-17 2020-04-11 財團法人車輛研究測試中心 基於支持向量機之路口智慧駕駛方法及其系統
US11610115B2 (en) 2018-11-16 2023-03-21 Nvidia Corporation Learning to generate synthetic datasets for training neural networks
DE112019006468T5 (de) 2018-12-28 2021-10-14 Nvidia Corporation Erkennung des abstands zu hindernissen bei anwendungen mit autonomen maschinen
US11170299B2 (en) 2018-12-28 2021-11-09 Nvidia Corporation Distance estimation to objects and free-space boundaries in autonomous machine applications
WO2020140049A1 (en) 2018-12-28 2020-07-02 Nvidia Corporation Distance to obstacle detection in autonomous machine applications
WO2020163390A1 (en) 2019-02-05 2020-08-13 Nvidia Corporation Driving lane perception diversity and redundancy in autonomous driving applications
WO2020185779A1 (en) 2019-03-11 2020-09-17 Nvidia Corporation Intersection detection and classification in autonomous machine applications
US11679834B2 (en) 2019-03-29 2023-06-20 Honda Motor Co., Ltd. Driving assistance device for saddle type vehicle
US11981323B2 (en) 2019-03-29 2024-05-14 Honda Motor Co., Ltd. Drive assistance device for saddle type vehicle
US12399015B2 (en) 2019-04-12 2025-08-26 Nvidia Corporation Neural network training using ground truth data augmented with map information for autonomous machine applications
US11157784B2 (en) * 2019-05-08 2021-10-26 GM Global Technology Operations LLC Explainable learning system and methods for autonomous driving
WO2021042051A1 (en) 2019-08-31 2021-03-04 Nvidia Corporation Map creation and localization for autonomous driving applications
CN114586044A (zh) * 2019-11-08 2022-06-03 索尼集团公司 信息处理装置、信息处理方法及信息处理程序
US12077190B2 (en) 2020-05-18 2024-09-03 Nvidia Corporation Efficient safety aware path selection and planning for autonomous machine applications
DE102020206433A1 (de) * 2020-05-25 2021-11-25 Hitachi Astemo, Ltd. Computerprogrammprodukt und Trainingssteuervorrichtung für künstliche Intelligenz
US12515683B2 (en) 2020-06-26 2026-01-06 Sony Group Corporation Information processing system, information processing device, and information processing method
DE112021004919T5 (de) 2020-09-21 2023-07-13 Nvidia Corporation Simulation von Blickpunkttransformationen für sensorunabhängiges Szenenverständnis in autonomen Systemen
US11978266B2 (en) 2020-10-21 2024-05-07 Nvidia Corporation Occupant attentiveness and cognitive load monitoring for autonomous and semi-autonomous driving applications
US11661082B2 (en) * 2020-10-28 2023-05-30 GM Global Technology Operations LLC Forward modeling for behavior control of autonomous vehicles
US12202518B2 (en) 2020-11-02 2025-01-21 Nvidia Corporation Safety decomposition architecture for autonomous machine applications
US12179795B2 (en) 2021-05-24 2024-12-31 Nvidia Corporation Using arrival times and safety procedures in motion planning trajectories for autonomous vehicles
EP4406801A4 (en) * 2021-09-21 2024-11-27 Nissan Motor Co., Ltd. DRIVING CONTROL METHOD AND DEVICE
US12172650B2 (en) * 2022-02-09 2024-12-24 Google Llc On-device generation and personalization of automated assistant suggestion(s) via an in-vehicle computing device
US12246739B2 (en) 2022-08-08 2025-03-11 Honda Motor Co., Ltd. Adaptive driving style
US12286138B2 (en) * 2022-12-08 2025-04-29 Honda Motor Co., Ltd. Adaptive trust calibration

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102006460A (zh) * 2010-11-15 2011-04-06 东莞市高鑫机电科技服务有限公司 一种基于自动控制与提示的辅助驾驶方法及系统
CN102067052A (zh) * 2008-06-20 2011-05-18 丰田自动车株式会社 驾驶辅助设备和驾驶辅助方法
JP2011150516A (ja) * 2010-01-21 2011-08-04 Ihi Aerospace Co Ltd 無人車両の半自律走行システム
CN102476638A (zh) * 2010-11-26 2012-05-30 上海汽车集团股份有限公司 车载信息提供系统及方法
CN102849067A (zh) * 2012-09-26 2013-01-02 浙江吉利汽车研究院有限公司杭州分公司 一种车辆泊车辅助系统及泊车方法
CN103373300A (zh) * 2012-04-16 2013-10-30 通用汽车环球科技运作有限责任公司 自适应人机系统和方法
JP2015017944A (ja) * 2013-07-12 2015-01-29 株式会社デンソー 自動運転支援装置
CN104335263A (zh) * 2012-05-25 2015-02-04 丰田自动车株式会社 接近车辆检测装置及驾驶辅助系统
DE102014215980A1 (de) * 2014-08-12 2016-02-18 Volkswagen Aktiengesellschaft Kraftfahrzeug mit kooperativem autonomen Fahrmodus

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4737238B2 (ja) * 2008-06-20 2011-07-27 トヨタ自動車株式会社 運転支援装置
CN101697251B (zh) * 2009-10-12 2012-05-23 骆勇强 全国性机动车智能动态管理网络系统
CN202320297U (zh) * 2011-11-16 2012-07-11 哈尔滨理工大学 智能车辆辅助驾驶器
CN102700569A (zh) * 2012-06-01 2012-10-03 安徽理工大学 基于图像处理的矿用电机车行人监测方法及报警系统
JP6349833B2 (ja) * 2014-03-25 2018-07-04 日産自動車株式会社 情報表示装置
WO2016151749A1 (ja) * 2015-03-24 2016-09-29 パイオニア株式会社 自動運転支援装置、制御方法、プログラム及び記憶媒体
JP6642972B2 (ja) * 2015-03-26 2020-02-12 修一 田山 車輌用画像表示システム及び方法
US9699289B1 (en) * 2015-12-09 2017-07-04 Toyota Motor Engineering & Manufacturing North America, Inc. Dynamic vehicle automation level availability indication system and method

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102067052A (zh) * 2008-06-20 2011-05-18 丰田自动车株式会社 驾驶辅助设备和驾驶辅助方法
JP2011150516A (ja) * 2010-01-21 2011-08-04 Ihi Aerospace Co Ltd 無人車両の半自律走行システム
CN102006460A (zh) * 2010-11-15 2011-04-06 东莞市高鑫机电科技服务有限公司 一种基于自动控制与提示的辅助驾驶方法及系统
CN102476638A (zh) * 2010-11-26 2012-05-30 上海汽车集团股份有限公司 车载信息提供系统及方法
CN103373300A (zh) * 2012-04-16 2013-10-30 通用汽车环球科技运作有限责任公司 自适应人机系统和方法
CN104335263A (zh) * 2012-05-25 2015-02-04 丰田自动车株式会社 接近车辆检测装置及驾驶辅助系统
CN102849067A (zh) * 2012-09-26 2013-01-02 浙江吉利汽车研究院有限公司杭州分公司 一种车辆泊车辅助系统及泊车方法
JP2015017944A (ja) * 2013-07-12 2015-01-29 株式会社デンソー 自動運転支援装置
DE102014215980A1 (de) * 2014-08-12 2016-02-18 Volkswagen Aktiengesellschaft Kraftfahrzeug mit kooperativem autonomen Fahrmodus

Also Published As

Publication number Publication date
DE112017001551T5 (de) 2018-12-06
US20190071101A1 (en) 2019-03-07
JP2017174355A (ja) 2017-09-28
JP6575818B2 (ja) 2019-09-18
WO2017163667A1 (ja) 2017-09-28
CN108885836A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108885836B (zh) 驾驶辅助装置、系统、方法、控制装置、车辆及介质
KR102498091B1 (ko) 운전 제어 장치 및 운전 제어 방법, 그리고 프로그램
EP3232289B1 (en) Information presentation control method and autonomous vehicle, and autonomous-vehicle driving support system
JP6773040B2 (ja) 情報処理システム、および情報処理システムの情報処理方法、情報処理装置、並びにプログラム
US10919540B2 (en) Driving assistance method, and driving assistance device, driving control device, vehicle, and recording medium using said method
JP7195161B2 (ja) 案内システム、案内方法、およびプログラム
WO2019188218A1 (ja) 運転支援システム、運転支援装置、運転支援方法
JP6906175B2 (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
CN109416877B (zh) 驾驶辅助方法、驾驶辅助装置、驾驶辅助系统
US20220161819A1 (en) Automatic motor-vehicle driving speed control based on driver&#39;s driving behaviour
JP7035447B2 (ja) 車両制御装置
JP2018163112A (ja) 自動駐車制御方法およびそれを利用した自動駐車制御装置、プログラム
CN112230645B (zh) 用于控制无人驾驶车辆的操纵杆控制的安全机制
US20240054793A1 (en) Information processing device, information processing method, and program
JP2020125027A (ja) 車両並びにその制御装置及び制御方法
JP7285705B2 (ja) 自動運転システム
JP2018165692A (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、提示システム
JP6705270B2 (ja) 移動体の自動運転制御システム
JP7302311B2 (ja) 車両用表示制御装置、車両用表示制御方法、車両用表示制御プログラム
CN113428148A (zh) 车辆控制装置及车辆控制方法
US12151698B2 (en) Notification control device for vehicle and notification control method for vehicle
JP6648551B2 (ja) 自動運転装置
JP2018169771A (ja) 報知制御方法およびそれを利用した報知制御装置、自動運転制御装置、車両、プログラム、報知制御システム
JP6668915B2 (ja) 移動体の自動運転制御システム
JP2018165086A (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

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240401

Address after: Kanagawa Prefecture, Japan

Patentee after: Panasonic Automotive Electronic Systems Co.,Ltd.

Country or region after: Japan

Address before: Osaka, Japan

Patentee before: PANASONIC INTELLECTUAL PROPERTY MANAGEMENT Co.,Ltd.

Country or region before: Japan