具体实施方式

图1是示出实施方式所涉及的车辆用运算系统的功能构成的方框图。图2是信息处理单元的构成例。如图1和图2所示，车辆用运算系统包括安装在车辆2上的信息处理单元1。信息处理单元1将与车辆2相关的各种信号和数据作为输入，根据上述信号和数据，例如利用通过深度学习生成的学习完毕模型，执行运算处理，决定车辆2的目标运动。并且，根据已决定下来的目标运动，生成对车辆2的各执行装置200的操作信号。

在图2的构成例中，信息处理单元1包括处理器3和存储器4。存储器4中存储有能够由处理器3执行的软件即模块。通过由处理器3执行存储在存储器4中的各模块来实现图1所示的各部分的功能。此外，存储器4中存储有表示图1所示的各模型的数据。需要说明的是，处理器3和存储器4也可以有多个。

信息处理单元1的功能既有利用单个芯片实现的情况，也有利用多个芯片实现的情况。通过多个芯片实现时，多个芯片可以安装在同一个基板上，也可以安装在不同的基板上。不过，在本实施方式中，信息处理单元1构成在单个壳体内。

＜信息处理单元的输入之例＞

信息处理单元1将安装在车辆上的摄像头、传感器、开关类的输出和来自车辆外部的信号、数据等作为输入。例如，将下述作为输入：用于获取车外环境信息的传感器之例即安装在车辆上的摄像头101和雷达102等的输出、GPS等定位系统的信号111、从车外网络发送来的例如用于导航的数据112；用于获取驾驶员信息的传感器之例即设在车室内的摄像头120等的输出、检测车辆行为的传感器类130的输出、检测驾驶员操作的传感器类140的输出。

安装在车辆上的摄像头101对车辆周围的情况进行拍摄，并输出拍摄到的图像数据。安装在车辆上的雷达102向车辆周围发射电波，并接收来自对象物的反射波。雷达102还根据发射波和接收波，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。需要说明的是，用于获取车外环境信息的传感器，除此之外，例如还有激光雷达和超声波传感器等。

用于获取驾驶员信息的传感器除了设在车室内的摄像头120以外，例如还有皮肤温度传感器、心率传感器、血流量传感器、汗液传感器等生物信息传感器。

检测车辆行为的传感器类130例如有车速传感器、加速度传感器、横摆角速度传感器等。检测驾驶员操作的传感器类140例如方向盘转角传感器、油门开度传感器、制动传感器等。

＜信息处理单元的输出之例＞

信息处理单元1向控制车辆的各执行装置(actuator)200的控制装置输出操作信号。控制装置例如有发动机控制装置、制动器控制装置、转向器控制装置等。各控制装置例如以ECU(Electronic Control Unit：电子控制单元)来实现，信息处理单元1和ECU例如通过CAN(Controller Area Network：控制器局域网)等车载网络相连接。

图3是示出执行装置的具体例的图。在图3中，201是发动机，202是变速器，203是制动器，204是转向器。动力传动系ECU211、DSC(Dynamic Stability Control：动态稳定控制)微机212、制动器微机213、EPAS(Electric Power Assist Steering：电动助力转向)微机214是控制装置之例。

信息处理单元1计算该车辆的用于实现已决定下来的目标运动的驱动力、制动力以及转向角。例如，动力传动系ECU211根据已计算出的驱动力对发动机201的点火时刻和燃料喷射量进行控制。或者，EPAS微机214根据已计算出的转向角对转向器204的转向进行控制。

需要说明的是，其它控制执行装置的控制装置例如有进行与气囊和车门等车身相关的控制的车身系统微机221、对车室内显示器222进行控制的驾驶员辅助HMI(HumanMachine Interface：人机界面)单元223等。

下面，对图1所示的信息处理单元1的功能构成进行详细的说明。信息处理单元1例如在路径生成等处理中执行所谓的模型预测控制(MPC：Model Predictive Control)。简而言之，模型预测控制的情况如下：预先准备通过多变量输入进行多变量输出的评价函数，用凸函数对其求解(多变量分析：高效求解多变量问题的数学手法)，提取平衡度较好的解。用于从该多变量输入得到多变量输出的关系式(将其称为模型)首先由设计者根据作为对象的物理现象建立起来。然后，通过神经学习(所谓的无教师学习)使该关系式优化。或者，通过从统计学的角度观察输入和输出来调整关系式的方式使关系式优化。

车辆出厂时，车辆上都已安装上了厂商开发的模型。并且，也可以配合车辆用户的驾驶情况，使安装上的模型朝着符合用户的模型优化。或者，还可以通过由经销商等进行软件的更新来更新模型。

此处，安装在车辆上的摄像头101、雷达102的输出发送给车外环境推测部10。GPS等定位系统的信号111、从车外网络发送来的例如用于导航的数据112发送给路径搜索部61。设置在车室内的摄像头120的输出发送给驾驶员状态推测部20。检测车辆行为的传感器类130的输出发送给车辆状态测量部62。检测驾驶员操作的传感器类140的输出发送给驾驶员操作感知部63。

＜车外环境推测部＞

车外环境推测部10接收安装在车辆上的摄像头101和雷达102等的输出，推测车外环境。要推测的车外环境至少包括道路和障碍物。此处，车外环境推测部10根据摄像头101和雷达102的数据，将车辆周围的三维信息与车外环境模型15进行对照，由此推测包括道路和障碍物的车辆环境。车外环境模型15例如是通过深度学习而生成的学习完毕模型，能够从车辆周围的三维信息中将道路和障碍物等识别出来。

例如，物体识别、地图生成部11通过对由摄像头101拍摄到的图像进行图像处理，而从图像中确定出自由空间即不存在物体的区域。此处的图像处理使用例如通过深度学习而生成的学习完毕模型。并且，生成表示自由空间的二维地图。物体识别、地图生成部11还根据雷达102的输出，获取存在于车辆周边的人与物的信息。该信息包括人与物的位置和速度等。

推测部12结合物体识别、地图生成部11输出的二维地图和人与物的信息，生成表示车辆周围情况的三维地图。此处，使用摄像头101的设置位置和拍摄方向的信息、雷达102的设置位置和发送方向的信息。推测部12将已生成的三维地图与车外环境模型15进行对照，由此推测出包括道路和障碍物的车辆环境。

＜驾驶员状态推测部＞

驾驶员状态推测部20根据设置在车室内的摄像头120拍摄到的图像，推测驾驶员的健康状态、情绪或身体行为。健康状态例如健康、轻微疲劳、身体状况不佳、意识能力下降等。情绪例如快乐、正常、无聊、焦躁、不快等。

例如，驾驶员状态测量部21从设置在车室内的摄像头120所拍摄的图像中，提取驾驶员的面部图像以确定驾驶员信息。已提取的面部图像和已确定出的驾驶员信息作为输入提供给人类模型25。人类模型25是例如通过深度学习而生成的学习完毕模型，针对可能成为该车辆驾驶员的每个人，根据其面部图像，输出健康状态和情绪信息。推测部22输出人类模型25已输出的驾驶员的健康状态和情绪信息。

此外，在将皮肤温度传感器、心率传感器、血流量传感器、汗液传感器等生物信息传感器作为用于获取驾驶员信息的传感器使用的情况下，驾驶员状态测量部21根据生物信息传感器的输出，测量驾驶员的生物信息。在此情况下，人类模型25针对可能成为该车辆驾驶员的每个人，将该生物信息作为输入，输出健康状态和情绪信息。推测部22输出人类模型25已输出的驾驶员的健康状态和情绪信息。

此外，人类模型25也可以采用下述模型：针对可能成为该车辆驾驶员的每个人，推测人类对车辆行为所持有的情绪。在此情况下，只要按照时间顺序对检测车辆行为的传感器类130的输出、检测驾驶员操作的传感器类140的输出、驾驶员的生物信息、已推测出的情绪状态进行管理并构筑模型即可。根据该模型，例如能够预测驾驶员情绪的高涨程度(清醒度)与车辆行为之间的关系。

此外，驾驶员状态推测部20也可以用人体模型作为人类模型25使用。人体模型确定的是，例如头部质量(例：5kg)和承受前后左右方向G的脖颈周围的肌肉力等。输入车身动作(加速度G、加加速度)后，人体模型即会输出预想的乘员的身体信息和主观信息。乘员的身体信息例如很舒适/适度/不快，主观信息例如意外/能够预测等。通过参照人体模型，例如令头部略微后仰那样的车身行为会使乘员感到不快，因此能够做到不选择该行驶路径。另一方面，令头部像鞠躬一样前移的车身行为容易使乘员采取抵抗该行为的姿势，不会立刻使乘员感到不快，因此能够选择该行驶路径。或者，通过参照人体模型，例如能够决定目标运动，以便避免乘员的头部摇晃或带来充满活力的跃动感。

＜路径搜索部＞

路径搜索部61使用GPS等定位系统的信号111、从车外网络发送来的例如用于导航的数据112搜索车辆的广域路径。

＜车辆状态测量部＞

车辆状态测量部62根据车速传感器、加速度传感器、横摆角速度传感器等检测车辆行为的传感器类130的输出，测量车辆的状态。并且，生成表示车内环境的车内环境模型65。该车内环境包括湿度、温度、摇晃、振动、音响噪音等尤其对乘员的身体造成影响的物理量。车内环境推测部64根据车内环境模型65，推测车内环境并输出。

＜驾驶员操作感知部＞

驾驶员操作感知部63根据方向盘转角传感器、油门开度传感器、制动传感器等检测驾驶员操作的传感器类140的输出，感知驾驶员的操作。

＜路径生成部＞

路径生成部30根据车外环境推测部10的输出和路径搜索部61的输出，生成车辆的行驶路径。例如，路径生成部30生成在车外环境推测部10已推测出的道路上避开车外环境推测部10已推测出的障碍物的行驶路径。车外环境推测部10的输出例如包括与车辆行驶要通过的车行道相关的车行道信息。车行道信息包括与车行道本身的形状相关的信息、与车行道上的对象物相关的信息。与车行道形状相关的信息包括车行道的形状(直线、曲线、曲线曲率)、车行道宽度、车道条数、各条车道的宽度等。与对象物相关的信息包括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。对象物的种类例如车辆、行人、道路、区划线等。

此处，路径生成部30使用状态栅格(state lattice)法计算多条候选路径，根据各候选路径的路径代价，从中选出一个或多条候选路径。不过，也可以使用其他方法生成路径。

路径生成部30根据车行道信息在车行道上设定假想的栅格区域。该栅格区域具有多个栅格点。车行道上的位置根据各栅格点确定。路径生成部30使用路径搜索部61的输出，将规定的栅格点设为目标到达位置。并且，通过利用栅格区域内的多个栅格点进行的路径搜索，进行多条候选路径的运算。在状态栅格法下，路径从一栅格点起朝着车辆行进方向的前方的任意栅格点分支出来。因此，各候选路径被设为依次通过多个栅格点。各候选路径还包括表示通过各栅格点的时间的时间信息、与各栅格点处的速度和加速度等相关的速度信息、与其他车辆运动相关的信息等。

路径生成部30根据路径代价，从多条候选路径中选择一个或多条行驶路径。此处的路径代价例如有车道居中的程度、车辆的加速度、转向角、碰撞的可能性等。需要说明的是，在路径生成部30选择多条行驶路径的情况下，后述的目标运动决定部40和能量管理部50选择一条行驶路径。

＜目标运动决定部＞

目标运动决定部40针对路径生成部30已选择出的行驶路径，决定目标运动。目标运动是指跟踪行驶路径的转向和加减速。此外，目标运动决定部40参照车辆六轴模型45，针对路径生成部30已选择的行驶路径进行车身动作的运算。

此处，车辆六轴模型45是将行驶中车辆的“前后”“左右”“上下”这三轴方向的加速度和“纵倾”“侧倾”“横摆”这三轴方向的角速度模型化而得到的。也就是说，该模型并非仅在古典车辆运动工学的平面上(仅车辆的前后左右(X－Y移动)和横摆运动(Z轴))捕捉车辆的动作，而是还使用通过悬架安装在四个车轮上的车身的纵倾(Y轴)和侧倾(X轴)运动、Z轴的移动(车身的上下运动)捕捉车辆的动作，即合计共用六轴来重现车辆行为的数值模型。

目标运动决定部40参照车辆六轴模型45进行车身动作的运算，并利用该运算结果决定目标运动。也就是说，目标运动决定部40参照车辆六轴模型45推测该车辆沿着路径生成部30已生成的行驶路径行驶时产生的平面运动和车身姿势在上下方上的变化，并将推测出的平面运动和车身姿势在上下方上的变化定为该车辆的目标运动。这样一来，例如在转弯时能够生成所谓的斜前方侧倾(diagonal roll)状态。

此外，例如，目标运动决定部40也可以将参照车辆六轴模型45运算后得到的车身动作(加速度G、加加速度)输入上述人体模型，获取预想的乘员的身体信息和主观信息。并且，例如，在路径生成部30已选择了多条行驶路径的情况下，目标运动决定部40还可以根据预想的乘员的身体信息和主观信息选择一条行驶路径。

此外，当驾驶员操作感知部63感知到驾驶员的操作时，目标运动决定部40不按照路径生成部30所选择的行驶路径决定目标运动，而是决定与驾驶员的操作相应的目标运动。

＜能量管理部＞

能量管理部50计算用于实现目标运动决定部40已决定下来的目标运动的驱动力、制动力以及转向角。并且，生成对各执行装置200的操作信号以便生成已计算出的驱动力、制动力以及转向角。

例如，车辆动能操作部51针对目标运动决定部40已决定下来的目标运动，计算要求驱动系(发动机、电机、变速器)、转向系(转向器)、控制系(制动器)产生的扭矩物理量。控制量计算部52计算对各执行装置的控制量，以便在实现了目标运动决定部40已决定下来的目标运动以后使能量效率达到最佳。例如，计算在实现了车辆动能操作部51已决定下来的发动机扭矩以后使燃料消耗量达到最少的进排气门的开关时刻和燃料喷射器的燃料喷射时刻等。此处的能量管理使用车辆热模型55和车辆能量模型56。例如，将计算出的各物理量与车辆能量模型56进行对照，分配各执行装置的动量，以便使能量消耗变得更少。

具体而言，例如，能量管理部50针对路径生成部30已选择的行驶路径，根据目标运动决定部40已决定下来的目标运动，进行使能量损失达到最小的工作条件的运算。例如，能量管理部50针对路径生成部30已选择的行驶路径，进行车辆行驶阻力的运算，求出该路径的损失。行驶阻力包括轮胎摩擦、驱动系损失、空气阻力。并且，求出为了产生克服该损失所需要的驱动力的运转条件。例如，求出内燃机中燃料消耗最少的喷射、点火时刻、变速器中的能量损失较小的变速模式、扭矩控制中的锁止机构的工作条件。或者，在要求减速时，对为实现减速曲线的车辆模型的脚踏制动量、发动机制动量、驱动辅助电机的再生模型的再生能量的组合进行运算，求出使能量损失达到最小的工作条件。

并且，能量管理部50根据求出的工作条件，生成对各执行装置200的操作信号，并向各执行装置200的控制装置输出该操作信号。

如上所述，根据本实施方式所涉及的车辆用运算系统，信息处理单元1包括车外环境推测部10、路径生成部30以及目标运动决定部40。车外环境推测部10接收获取车外环境信息的传感器的输出，推测车外环境；路径生成部30根据车外环境推测部10的输出，生成该车辆的路径；目标运动决定部40根据路径生成部30的输出，决定该车辆的目标运动。也就是说，车外环境推测、路径生成以及目标运动决定各功能利用由单个硬件构成的信息处理单元1即能够实现。

这样一来，既能够实现各功能之间的高速数据传输，又能够对整体功能进行最佳的控制。例如，在由单独的ECU实现各功能的构成下，为了在各功能之间收发大量数据而需要使用ECU间通信。然而，目前使用的车载网络(CAN，以太网(注册商标))的通信速度为2Mbps～100Mbps左右。相对于此，由单一硬件构成的信息处理单元1能够实现数Gbps到数十Gbps的数据传输速度。

因此，通过将自动驾驶用处理集中到单个信息处理单元1中，能够实现高精度的自动驾驶。

此外，在本实施方式中，信息处理单元1还包括能量管理部50。也就是说，车外环境推测、路径生成、目标运动决定以及能量管理共同由单个硬件构成的信息处理单元1实现。因此，通过将自动驾驶用处理集中到单个信息处理单元1中，能够实现高精度的考虑到了车辆行为和能量消耗的自动驾驶。

(其他控制之例)

路径生成部30也可以利用驾驶员状态推测部20的输出，生成车辆的行驶路径。例如，驾驶员状态推测部20向路径生成部30输出表示驾驶员情绪的数据，路径生成部30使用该表示情绪的数据来选择行驶路径。例如，情绪为“快乐”时，选择车辆行为流畅的路径；情绪为“无聊”时，选择车辆行为变化较大的路径。

或者，路径生成部30也可以参照驾驶员状态推测部20所具有的人类模型25，从多条候选路径中选择驾驶员的情绪最高涨(清醒度高)的路径。

此外，在路径生成部30根据车外环境推测部10已推测出的车外环境判断出车辆面临危险时，不管驾驶员状态如何，路径生成部30均可以生成用于紧急避开危险的路径。还有，在路径生成部30根据驾驶员状态推测部20的输出判断出驾驶员无法驾驶或难以驾驶时(例如驾驶员丧失意识)，路径生成部30可以生成用于使车辆退到安全场所的路径。

此外，在目标运动决定部40根据驾驶员状态推测部20的输出判断出驾驶员无法驾驶或难以驾驶时(例如驾驶员丧失意识)，目标运动决定部40可以决定目标运动以便使车辆退到安全场所。在此情况下，路径生成部30生成包括用于使车辆退到安全场所的路径的多条行驶路径。在目标运动决定部40判断出驾驶员无法驾驶或难以驾驶时，目标运动决定部40可以选择用于使车辆退到安全场所的路径(从手动驾驶切换到自动驾驶：override)。

(其他实施方式)

在上述实施方式中，由单个信息处理单元1根据与车辆相关的各种信号和数据决定车辆的目标运动，并根据已决定下来的目标运动，生成对车辆的各执行装置200的操作信号。不过，例如，也可以由信息处理单元1完成到决定目标运动为止的工作，由另一信息处理单元生成对车辆的各执行装置200的操作信号。在此情况下，单个信息处理单元1不包括能量管理部50，根据与车辆相关的各种信号和数据决定车辆的目标运动，并输出表示已决定下来的目标运动的数据。并且，另一信息处理单元接收从信息处理单元1输出的数据，生成对车辆的各执行装置200的操作信号。

－符号说明－

1 信息处理单元

2 车辆

10 车外环境推测部

15 车外环境模型

20 驾驶员状态推测部

25 人类模型

30 路径生成部

40 目标运动决定部

45 车辆六轴模型

50 能量管理部

56 车辆能量模型