具体实施方式

以下，参照附图对示例性实施方式进行详细说明。

(第一实施方式)

图1表示本第一实施方式的汽车用运算装置(以下仅称为运算装置)的功能结构。运算装置是搭载于能够进行自动驾驶控制的车辆的运算装置，并具备进行用于执行自动驾驶控制的运算的运算器110。

运算器110的功能可通过单个芯片实现，也可通过多个芯片实现。在通过多个芯片实现的情况下，该多个芯片可以搭载于通用的基板，也可以搭载于不同的基板。

如图2所示，运算器110以构成于单个壳体内的状态搭载于车辆。运算器110具有：具有CPU的处理器、存储有多个组件的存储器等。

来自搭载于车辆的摄像机101、雷达102等的车外环境的信息、来自设置于运算器110外并对影响运算器110的温度的温度进行检测的外部温度传感器103的信息、来自搭载于车辆的空调等冷却装置104的信息、以及与汽车外进行通信的车外通信装置105所取得的导航信息等交通信息被输入至运算器110。

搭载于车辆的摄像机101对车辆的周围进行拍摄，并输出所拍摄的图像数据。搭载于车辆的雷达102向车辆的周围发送电波，并接收来自对象物的反射波。然后，雷达102基于发送波和接收波，测量从车辆到对象物的距离、对象物相对于车辆的相对速度。另外，作为用来取得车外环境的信息的手段，除此之外还有例如激光雷达、超声波传感器等。

外部温度传感器103是对运算器110以外的温度进行检测的传感器。外部温度传感器103对例如车辆外部的气温、车室内的温度、配置于运算装置附近的器件的温度(例如发动机的壁温、排气通路的壁温)进行检测。

冷却装置104是配置于能够对运算器110进行冷却的位置的冷却装置。例如，在运算器110配置于车室内的情况下，包含设置于车室内的空调，在运算器110配置于发动机室或发动机室附近的情况下，包含用于将行驶风引入发动机室的栅格风门等。

车外通信装置105经由网络取得信息，并将该信息向运算器110输出。车外通信装置105所接收的信息例如是地图信息、交通信息、来自其他车辆的通信信息等。

运算器110向对汽车的各器件进行控制的控制装置输出控制信号。器件包含发动机10、电机20、变速器30、制动装置40、转向装置50以及通知装置60。

发动机10、电机20以及变速器30构成动力总成，并生成用于车辆行驶的驱动力。从运算器110输出与发动机10的点火正时、燃烧喷射量等有关的控制信号、与向电机20供给的电流有关的信息、用于变更变速器30的齿轮级的控制信号。

制动装置40生成用于使车辆减速的制动力。从运算器110输出驱动制动装置40的制动促动器的控制信号。

转向装置50控制用于车辆转弯的操舵角。从运算器110输出与向转向装置50的EPAS装置(Electronic Power Asist Steering)供给的电流、操舵角有关的控制信号。

在后文详述通知装置60，通知装置60是在通过模式选择部116将运算器110的模式从通常模式切换至简并模式时，用于通知车辆的乘员的装置。通知装置60例如由蜂鸣器、设置于乘员可目视确认的位置的灯构成。

运算器110具有：对运算器110的温度进行检测的温度检测部111、对施加于运算器110的电压进行检测的电压检测部112、对运算器110外的器件(前述的冷却装置104、车外通信装置105)的使用状况进行检测的外部器件检测113、构成为能够执行与车辆的基本行驶功能有关的控制的基本行驶功能部114、构成为能够执行与车辆的自动驾驶功能有关的控制的自动驾驶功能部115、对运算器110的模式进行选择的模式选择部116以及生成对冷却装置104进行工作控制的控制信号的冷却控制部117。温度检测部111、电压检测部112、外部器件检测113、基本行驶功能部114、自动驾驶功能部115、模式选择部116以及冷却控制部117是构成存储器的组件的一例。基本行驶功能部114、自动驾驶功能部115等分别由多个芯构成。

温度检测部111由设置于构成运算器110的芯片的热电偶构成。温度检测部111对运算器110本身的温度进行检测。运算器110的温度是表示运算器110的状态的参数的一例，温度检测部111是运算器状态检测部的一例。

电压检测部112具有电压转换部和测量部。电压检测部112对运算器110的电源电压进行检测。施加于运算器110的电压是表示运算器110的状态的参数的一例，电压检测部112是运算器状态检测部的一例。

基本行驶功能部114进行车辆的基本行驶所需的控制。在此，“基本行驶”是指例如在车辆的行进方向上存在障碍物的情况下避开障碍物的行驶、使车辆位于适当的行驶车道内的行驶。基本行驶功能部114进行例如用于障碍物的转向装置操作的辅助、与制动装置操作的辅助有关的控制。

自动驾驶功能部115进行车辆的行驶路径的计算等对于执行自动驾驶所需的控制。具体而言，自动驾驶功能部115设定车辆的行驶路径，并设定该车辆的目标运动，以使得车辆追随该行驶路径。

图3详细地表示自动驾驶功能部115的功能。运算器110具有：车外环境认定部121，为了设定车辆的目标运动，该车外环境认定部121基于来自摄像机101等的输出认定车外环境；候补路径生成部122，该候补路径生成部122根据车外环境认定部121所认定的车外环境计算车辆可行驶的一个或多个候补路径；车辆行为推测部123，该车辆行为推测部123推测车辆的行为；乘员行为推测部124，该乘员行为推测部124推测车辆的乘员的行为；路径决定部125，该路径决定部125决定车辆应当行驶的路径；车辆运动决定部126，该车辆运动决定部126决定用于追随路径决定部125所设定的路径的车辆的目标运动；以及驱动力计算部127、制动力计算部128及操舵量计算部129，为了达成车辆运动决定部126所决定的目标运动，该驱动力计算部127、制动力计算部128及操舵量计算部129计算出所述行驶用器件应当生成的目标物理量(例如，驱动力、制动力以及操舵角)。另外，为了确保自动驾驶的安全性，运算器110具有规则库路径生成部130和备份部140。

车外环境认定部121接收搭载于车辆的摄像机101、雷达102等的输出以及来自车外通信装置105的关于自车周围的其他车辆的信息，并认定车外环境。认定的车外环境至少包含道路和障碍物。在此，车外环境认定部121基于摄像机101、雷达102的数据，通过将车辆的周围的三维信息与车外环境模型进行对照，推测包含道路和障碍物的车辆环境。车外环境模型是例如通过深度学习生成的学习模型，能够对于车辆周围的三维信息识别道路、障碍物等。

候补路径生成部122基于车外环境认定部121的输出和从车外通信装置105发送的信息等生成车辆可行驶的候补路径。例如，候补路径生成部122生成在由车外环境认定部121认定的道路上躲避由车外环境认定部121认定的障碍物的行驶路径。车外环境认定部121的输出包含例如与车辆所行驶的行驶路有关的行驶路信息。在行驶路信息中，包含与行驶路自身的形状有关的信息、与行驶路上的对象物有关的信息。在与行驶路形状有关的信息中，包含行驶路的形状(直线、曲线、曲线曲率)、行驶路宽、车道数量、各车道宽度等。在与对象物有关的信息中，包含对象物相对于车辆的相对位置和相对速度、对象物的属性(种类、移动方向)等。作为对象物的种类，例如有车辆、歩行者、道路、划分线等。

这里，候补路径生成部122使用状态格法计算多个候补路径，基于各个候补路径的路径成本，从它们之中选择一个或多个候补路径。不过，也可以使用其他方法来进行路径的计算。

候补路径生成部122基于行驶路信息在行驶路上设定假想的网格区域。该网格区域具有多个网格点。根据各网格点指定行驶路上的位置。候补路径生成部122将规定的网格点设定为目标到达位置。然后，通过使用了网格区域内的多个网格点的路径探索来计算多个候补路径。在状态格法中，从某个网格点到车辆的行进方向前方的任意的网格点的路径分支。因此，各候补路径被设定为依次通过多个网格点。各候补路径包含表示通过各网格点的时间的时间信息、与在各网格点的速度、加速度等有关的速度信息、与其他车辆运动有关的信息等。

候补路径生成部122基于路径成本从多个候补路径中选择一个或多个行驶路径。这里的路径成本例如有车道居中的程度、车辆的加速度、转向角度、碰撞可能性等。另外，在候补路径生成部122选择多个行驶路径的情况下，路径决定部125选择一个行驶路径。

车辆行为推测部123根据车速传感器、加速度传感器、偏驶率传感器等对汽车的行为进行检测的传感器类的输出来测量车辆的状态。车辆行为推测部123生成表示汽车的行为的车辆六轴模型。

这里，车辆六轴模型是将行驶中的汽车的“前后”“左右”“上下”三轴方向的加速度与“俯仰”“横滚”“偏驶”三轴方向的角速度进行了模型化的模型。即，不仅在经典车辆运动工学的平面上(仅车辆的前后左右(X-Y移动)和偏驶运动(Z轴))捕捉车辆的动作，而是使用经由悬架搭乘于四个车轮的车身的俯仰(Y轴)和横滚(X轴)运动以及Z轴的移动(车身的上下移动)共计六轴来再现车辆的行为的数值模型。

车辆行为推测部123应用车辆六轴模型，针对候补路径生成部122所生成的行驶路径推测追随该行驶路径时的汽车的行为。

乘员行为推测部124根据车室内摄像机的撮影图像等推测特别是驾驶者的健康状态、情绪。作为健康状态，例如有健康、轻度疲劳、身体状况不良、神志不清等。作为情绪，例如有快乐、普通、无聊、烦躁、不快等。

例如，乘员行为推测部124从例如由设置于车室内的摄像机拍摄的图像中提取驾驶者的脸部图像，并确定驾驶者。提取出的面部图像和确定的驾驶者的信息作为输入被提供给人类模型。人类模型是例如通过深度学习生成的学习模型，对于可能是该车辆1的驾驶者的每个人，根据其面部图像输出健康状态和情绪。乘员行为推测部124输出人类模型所输出的驾驶者的健康状态和情绪。

乘员行为推测部124应用人类模型，针对由车辆行为推测部123推测的车辆行为，推测当前驾驶者对于车辆行为的健康状态的变化、情绪的变化。

路径决定部125基于乘员行为推测部124的输出决定车辆应当行驶的路径。在候补路径生成部122所生成的路径为一个的情况下，路径决定部125将该路径作为车辆应当行驶的路径。在候补路径生成部122所生成的路径为多个的情况下，考虑乘员行为推测部124的输出而选择例如多个候补路径中乘员(尤其是驾驶者)最感到舒适的路径，即在躲避障碍物时不使驾驶者感到过于慎重等冗长的路径。

规则库路径生成部130基于来自摄像机101和雷达102的输出，不利用深度学习而根据规定的规则认定车外的对象物，生成躲避该对象物的行驶路径。在规则库路径生成部130中，也与候补路径生成部122同样地，使用状态格法计算多个候补路径，并基于各个候补路径的路径成本而从它们之中选择一个或多个候补路径。在规则库路径生成部130中，例如，基于不进入对象物的周围数米以内这样的规则，计算出路径成本。在该规则库路径生成部130中，也可以使用其他方法来进行路径的计算。

规则库路径生成部130所生成的路径的信息被输入至车辆运动决定部126。

备份部130基于来自摄像机70和雷达71的输出，生成用于在传感器等故障时、乘员的身体状况不佳时将车辆1引导至路肩等的安全区域的行驶路径。备份部130例如根据位置传感器SW5的信息设定能够使车辆1紧急停止的安全区域，并生成到达该安全区域的行驶路径。在备份部130中也与候补路径生成部112同样地，使用状态格法计算多个候补路径，基于各个候补路径的路径成本，从它们之中选择一个或多个候补路径。该备份部130也可以使用其他方法进行路径的计算。

备份部130所生成的路径的信息被输入至车辆运动决定部116。

车辆运动决定部116对于路径决定部115所决定的行驶路径决定目标运动。目标运动是指为了追随行驶路径的转向和加減速。另外，目标运动决定部115参考车辆六轴模型，对路径决定部115选择出的行驶路径计算车身的动作。另外，车辆运动决定部116决定用于追随规则库路径生成部120所生成的行驶路径的目标运动。另外，车辆运动决定部116决定用于追随后述的备份部130所生成的行驶路径的目标运动。

在路径决定部115所决定的行驶路径相比于规则库路径生成部120所生成的行驶路径大幅偏离时，车辆运动决定部116选择规则库路径生成部120所生成的行驶路径作为车辆1应当行驶的路径。

在推测出传感器等(尤其是摄像机70、雷达71)故障时、乘员的身体状况不良时，车辆运动决定部116选择备份部130所生成的行驶路径作为车辆1应当行驶的路径。

驱动力计算部127计算动力总成装置(发动机10、电机20以及变速器20)为了达成目标运动而应当生成的目标驱动力。制动力计算部128计算制动装置40为了达成目标运动而应当生成的目标制动力。操舵量计算部129计算转向装置50为了达成目标运动而应当生成的目标操舵角。

驱动力计算部127、制动力计算部128以及操舵量计算部129的计算结果被输出至各器件(发动机10等)。

如上所述，自动驾驶功能部115具有用于执行自动驾驶控制的众多功能，需要处理庞大数量的信息。尤其是，自动驾驶功能部115需要处理从摄像机101输出的庞大数量的图像数据、从车外通信装置105输出的与其他车辆的行驶状态有关的信息。因此，在都市等的处理的数据的量大的环境下，运算器110被施加很大的负荷。

当运算器110被施加庞大的负荷时，运算器110的温度上升。当运算110的温度上升时，由于内部阻力的上升等，有自动驾驶功能产生劣化的担忧。

另外，当运算器110处理的信息增多时，施加于运算器110的电压的下冲变大，电压的振幅变大。当施加于运算110的电压的振幅变大时，由于电压不足，有自动驾驶功能部115的一部分功能不工作的担忧。

于是，在本第一实施方式中，将运算器110构成为能够执行使基本行驶功能部114和自动驾驶功能部115双方工作的通常模式和仅使基本行驶功能部114的工作的简并模式。而且，模式选择部116构成为基于温度检测部111和电压检测部112中至少一方的检测结果和外部器件检测部113的检测结果选择所述通常模式或所述简并模式。更具体地，对于运算器110的温度，当运算器110的温度为规定温度以上时或被预测为规定温度以上时，模式选择部116选择所述简并模式。另一方面，对于施加于运算器110的电压，当施加于运算器110的电压的振幅为规定幅度以上时或被预测为规定幅度以上时，模式选择部116选择所述简并模式。以下，对于这些模式的选择进行详细说明。

〈根据温度的模式的选择〉

图4是表示运算器110的温度与运算器110所执行的模式的关系的时序图。纵轴是运算器110的温度。图中以Tth表示的单点划线表示规定温度。曲线L1～L3分别表示运算器110的温度变化，实线部分是由温度检测部111实际检测的温度，从实线部分延长的虚线部分表示根据实线部分预测的温度变化。

如图4所示，在曲线L1的情况下，由于即使包含预测部分也小于规定温度Tth，因此模式选择部116选择所述通常模式作为运算器110的模式。另一方面，在曲线L2的情况下，虽然实测部分小于规定温度Tth，但预测部分在规定温度Tth以上。因此，模式选择部116选择所述简并模式作为运算器110的模式。

另外，对于曲线L3，在从规定温度Tth以上的区域进入小于规定温度Tth的区域之后，预测部分维持小于规定温度Tth。此时，模式选择部116在运算器110的温度为规定温度Tth以上的区域中，选择所述简并模式作为运算器110的模式，另一方面，当运算器110的温度进入小于规定温度Tth的区域时，将运算器110的模式从所述简并模式切换至所述通常模式。另外，运算器110的温度下降是因为，通过将运算器110的模式设为所述简并模式，能够降低运算器110的处理能力。

这里，对于运算器110的温度变化存在该运算器110的外部的影响。例如，在冷却装置104工作时，由于运算器110也被冷却，因此可抑制运算器110的温度上升。另外，在都市等车外通信装置105的通信量大时，由于向运算器110输入的信息量也增多，因此运算器110的温度容易上升。

于是，在本第一实施方式中，模式选择部116考虑外部器件检测部113检测的冷却装置104的使用状态和车外通信装置105的通信量中的至少一方，从而预测运算器110是否在规定温度以上。由此，运算器110的温度的预测精度提高。

另外，对于运算器110的温度变化的预测，能够将与相对于自动驾驶功能115的使用时间的温度上升有关的映射图预先存储于运算器110。另外，在预测运算器110的温度变化时，模式选择部116假设运算器110在所述通常模式下工作来进行预测。

如上所述，通过基于运算器110的温度切换该运算器110的模式，从而能够根据运算器110的状态适当地使用该运算器110。该结果是，能够抑制自动驾驶功能115的功能劣化。

另外，模式选择部116也可以考虑外部温度传感器103的检测结果来预测运算器110是否在规定温度以上。即，在夏季等时，由于气温较高，即使运算器110为停止状态，该运算器110的温度也较高。因此，在夏季等时，该运算器110的温度容易在规定温度以上。另一方面，在冬季等时，由于气温较低，运算器110的温度很难上升，难以变为规定温度以上。即，外部温度传感器103的检测结果与运算器110的温度变化相关。因此，通过考虑外部温度传感器103的检测结果，能够提高运算器110的温度变化的预测精度。

在本第一实施方式中，当运算器110的温度在规定温度以上，并选择所述简并模式作为运算器110的模式时，通过通知装置60通知车辆的乘员。而且，在本第一实施方式中，在通过通知装置60进行通知的同时或通知后，通过冷却控制部117执行使冷却装置104的冷却能力上升的控制。在该控制下，例如，在冷却装置104为空调的情况下，冷却控制部117降低送风的温度或增大送风量。另外，在冷却装置104为栅格风门的情况下，冷却控制部117增大栅格风门的开度。由此，若运算器110的温度降低至小于规定温度，则能够使运算器110的模式从所述简并模式快速地回到所述通常模式。另外，“使冷却能力上升的控制”也包含将冷却装置104从停止状态变为工作状态的控制。

接着，参照图5的流程图，对运算装置基于运算器110的温度，通过模式选择部116切换运算器110的模式时的处理动作进行说明。在该流程图中，在初始状态时，运算器110的电源为断开的状态。

首先，在步骤S101中，运算器110的电源被设为接通的状态。

接着，在步骤S102中，读入来自各传感器的输出。

然后，在步骤S103中，模式选择部116对运算器110的温度变化进行预测。在该步骤S103中，模式选择部116预测例如0.5秒后的温度。

在接下来的步骤S104中，模式选择部116对当前的运算器110的温度是否小于规定温度进行判定。当判定为是、即运算器110的温度小于规定温度时，进入步骤S105，当判定为否、即运算器110的温度在规定温度以上时，进入步骤S107。

在所述步骤S105中，模式选择部116对在所述步骤S103预测出的运算器110的温度的预测值是否小于规定温度进行判定。当判定为是、即该预测值小于规定温度时，进入步骤S106，当判定为否、即该预测值在规定温度以上时，进入步骤S107。

在所述步骤S106中，模式选择部116选择所述通常模式。在步骤S106之后，进入步骤S110。

在所述步骤S107中，模式选择部116选择所述简并模式。

在所述步骤S108中，运算器110向通知装置60输出控制信号，通知车辆的乘员已选择简并模式。

在接下来的步骤S109中，通过冷却控制部117执行使冷却装置104的冷却能力上升的控制。在步骤S109之后，进入步骤S110。

在所述步骤S110中，对于是否向运算器110要求电源断开进行判定。在判定为是、即有要求电源断开时，进入步骤S111，另一方面，当判定为否、即没有电源断开要求时，返回步骤S102。

在所述步骤S111中，将运算器110的电源设为断开。在步骤S111之后返回。

如上所述，根据运算器110的温度进行模式的选择。这样，若在运算器110的温度较高时或被预测为升高时设为简并模式，降低运算器110的负荷，则能够抑制运算器110的温度上升，从而抑制该运算器110(尤其是自动驾驶功能部115)的功能劣化。因此，能够有效地抑制自动驾驶功能劣化。

〈根据电压的模式的选择〉

图6表示通过电压检测部112检测的运算器110的电源电压的一例。虚线是例如郊外等向运算器110输入的信息较少的情况下的电压的波形，实线是例如都市等向运算器110输入的信息较多的情况下的电压波形。

如图6所示，在向运算器110输入的信息较多的情况下，由于通过自动驾驶功能部115处理的信息变多，构成自动驾驶功能部115的芯的运转率升高，因此，电压的振幅在该电压较低的一侧增大。由此，产生电压不足，构成自动驾驶功能部115的芯变得无法运转，自动驾驶功能部115的功能劣化。因此，在施加于运算器110的电压的振幅在规定幅度以上时或被预测为在规定幅度以上时，模式选择部116选择所述简并模式。通过模式选择部116选择所述简并模式，由此，若不使自动驾驶功能部115工作，则能够抑制自动驾驶功能部115的功能劣化。

该电压的变动能够根据车外通信装置105的通信量来进行某种程度的预测。即，由于在都市等车外通信装置105的通信量大时，向运算器110输入的信息量也增多，因此，电压的下冲容易变大(即电压的振幅容易变大)。于是，在本第一实施方式中，模式选择部116考虑外部器件检测部113所检测的车外通信装置105的通信量来预测施加于运算器110的电压的振幅是否为规定幅度以上。由此，提高运算器110的电压变动的预测精度。

接着，参照图7的流程图，对运算装置基于施加于运算器110的电压，通过模式选择部116选择运算器110的模式时的处理动作进行说明。在该流程图中，在初始状态时，运算器110的电源为断开的状态。

首先，在步骤S201中，运算器110的电源被设为接通的状态。

在步骤S202中，读入来自各传感器的输出。

然后，在步骤S203中，模式选择部116对运算器110的电压的变化进行预测。在该步骤S103中，模式选择部116预测例如0.5秒后的电压的振幅。

在接下来的步骤S204中，模式选择部116对当前施加于运算器110的电压的振幅是否小于规定幅度进行判定。当判定为是、即该振幅小于规定幅度时，进入步骤S205，当判定为否、即该振幅在规定幅度以上时，进入步骤S207。

在所述步骤S205中，模式选择部116对在所述步骤S203预测出的施加于运算器110的电压的振幅的预测值是否小于规定温度进行判定。当判定为是、即该预测值小于规定温度时，进入步骤S206，当判定为否、即该预测值为规定温度以上时，进入步骤S207。

在所述步骤S206中，模式选择部116选择所述通常模式。

在所述步骤S207中，模式选择部116选择所述简并模式。

在所述步骤S208中，对是否向运算器110要求电源断开进行判定，在判定为是、即有电源断开要求时，进入步骤S211，另一方面，在判定为否、即没有电源断开要求时，返回步骤S202。

在所述步骤S211中，将运算器110的电源设为断开。在步骤S211之后返回。

如上所述，根据施加于运算器110的电压进行模式的选择。这样，若在施加于运算器110的电压的振幅较大时或被预测为增大时设为简并模式，从而使运算器110的负荷降低，则能够抑制施加于运算器110的电压的紊乱，抑制运算器110(尤其是自动驾驶功能部115)的功能劣化。因此，能够有效地抑制自动驾驶功能的劣化。

因此，在本第一实施方式中，具备：运算器110；运算器状态检测部(温度检测部111、电压检测部112)，该运算器状态检测部对表示运算器110的状态的参数(温度、电压)进行检测；外部器件检测部113，该外部器件检测部113对从运算器110外影响参数的器件(冷却装置104、车外通信装置105)的使用状况进行检测；基本行驶功能部114，该基本行驶功能部114设置于运算器110，并构成为能够执行与汽车的基本行驶功能有关的控制；自动驾驶功能部115，该自动驾驶功能部115设置于运算器110，并构成为能够执行与汽车的自动驾驶功能有关的控制；以及模式选择部116，该模式选择部116设置于运算器110，基于运算器状态检测部的检测结果和外部器件检测部113的检测结果，选择通常模式和简并模式中的任意一个，该通常模式是使基本行驶功能部114和自动驾驶功能部115双方工作的模式，该简并模式是仅使基本行驶功能部114工作的模式，模式选择部116在参数超过阈值时或被预测为参数超越阈值时选择所述简并模式。由此，基于表示运算器110的状态的参数(温度、电压的振幅)以及器件的使用状况，选择通常模式或简并模式。在通常模式下，由于执行自动驾驶控制，因此施加于运算器的负荷较大。另一方面，在简并模式下，由于仅使基本行驶功能部工作，因此施加于运算器的负荷可以较小。因此，通过根据表示运算器110的状态的参数选择通常模式或简并模式，由此能够根据运算装置的状态适当地使用该运算装置。该结果是，能够抑制自动驾驶功能的劣化。

(第二实施方式)

以下，参照附图对第二实施方式进行详细说明。另外，在以下的说明中，对于与所述第一实施方式通用的部分标注相同的符号，并省略其详细说明。

在本第二实施方式中，当被预测为表示运算器110的状态的参数(温度、电压等)超过阈值的情况下，模式选择部116不选择所述简并模式，而选择中间模式，该中间模式是与所述通常模式相比限制该自动驾驶功能部115的功能，并且使基本行驶功能部114和自动驾驶功能部115双方工作的模式，在这一点上与所述第一实施方式不同。通过模式选择部116选择所述中间模式，由此，能够继续自动驾驶并尽可能地抑制参数(温度、电压等)超过阈值。另外，通过暂时插入所述中间模式，即使最终选择所述简并模式，也能够不给车辆的乘员带来不和谐感。

这里，所述中间模式是，例如，与所述通常模式相比，使摄像机70的拍摄范围变窄，或降低从摄像机70输出的图像数据的分辨率，从而限制自动驾驶功能115的功能的模式。另外，在选择所述中间模式的情况下，优选设置速度限制等条件，例如，在车速为30km/h以下的范围执行自动驾驶控制，在车速超过30km/h的范围进行人工驾驶等。

在图8中，表示在本第二实施方式中通过模式选择部116选择运算器110的模式的流程图。在的流程图中，采用运算器110的温度作为参数。另外，在该流程图中，在初始状态下，运算器110的电源为断开的状态。

首先，在步骤S301中，运算器110的电源被设为接通的状态。

接着，在步骤S302中，读入来自各传感器的输出。

然后，在步骤S303中，模式选择部116对运算器110的温度变化进行预测。在该步骤S303中，模式选择部116预测例如0.5秒后的温度。

在接下来的S304中，模式选择部116对当前的运算器110的温度是否小于规定温度进行判定。当判断为是、即运算器110的温度小于规定温度时，进入步骤S305，当判断为否、即运算器110的温度在规定温度以上时，进入步骤S307。

在所述步骤S305中，模式选择部116对在所述步骤S303预测出的运算器110的温度的预测值是否小于规定温度进行判定。当判定为是、即该预测值小于规定温度时，进入步骤S306，当判定为否、即该预测值在规定温度以上时，进入步骤S310。

在所述步骤S306中，模式选择部116选择所述通常模式。在步骤S306之后，进入步骤S311。

在所述步骤S307中，模式选择部116选择所述简并模式。

在所述步骤S308中，运算器110向通知装置60输出控制信号，通知车辆的乘员已选择简并模式。

在接下来的步骤S309中，通过冷却控制部117执行使冷却装置104的冷却能力上升的控制。在步骤S309之后，进入步骤S311。

在所述步骤S310中，模式选择部116选择所述中间模式。在步骤S309之后，进入步骤S311。

在所述步骤S311中，对于是否向运算器110要求电源断开进行判定。在判断为是、即有电源断开要求时，进入步骤S312，另一方面，当判断为否、即没有电源断开要求时，返回步骤S302。

在所述步骤S312中，将运算器110的电源设为断开。在步骤S312之后返回。

另外，这里，对采用温度作为参数的情况进行了说明，但也可以采用运算器110的电压作为参数。

因此，在本第二实施方式中，通过根据表示运算器110的状态的参数选择所述通常模式、所述中间模式或所述简并模式，由此能够根据运算装置的状态适当地使用该运算装置。该结果是，能够抑制自动驾驶功能的劣化。另外，通过模式选择部116选择所述中间模式，由此，能够继续自动驾驶，并尽可能地抑制参数(温度、电压等)超过阈值。另外，通过暂时插入所述中间模式，即使最终选择所述简并模式，也能够不给车辆的乘员带来不协调感。

(其他实施方式)

此处公开的技术并不限于上述实施方式，在不脱离请求保护的范围的主旨的范围内，可以进行替代。

例如，在前述的第一实施方式和第二实施方式中，模式选择部116预测了运算器110的温度变化、电压的振幅的变化。但不限于此，也可以在运算器110另外设置对运算器110的温度变化、电压的振幅的变化进行预测的计算部。

另外，在前述的第一实施方式和第二实施方式中，设置有通知装置60，但也可以省略该通知装置60。即，在采用运算器110的温度作为参数时，也可以在选择简并模式时提高冷却装置104的冷却能力而不通过通知装置60进行通知。

另外，在前述的第二实施方式中，仅在模式选择部116选择所述简并模式时提高冷却装置104的冷却能力。但不限于此，也可以在模式选择部116选择所述中间模式时也提高冷却装置104的冷却能力。

上述实施方式仅为示例而已，不对本发明的范围进行限定性解释。本发明的范围由请求保护的范围定义，属于请求保护的范围的等同范围的变形、变更都在本发明的范围内。

工业上的可用性

在此公开的技术作为搭载于能够进行自动驾驶控制的汽车的汽车用运算装置很有用。

符号说明

60 通知装置

104 冷却装置(从运算器外影响参数的器件)

115 车外通信装置(从运算器外影响参数的器件)

110 运算器

111 温度检测部(运算器状态检测部)

112 电压检测部(运算器状态检测部)

113 外部器件检测部

114 基本行驶功能部

115 自动驾驶功能部

116 模式选择部