自动驾驶车辆的控制装置的制作方法

本发明涉及自动驾驶车辆的控制装置。

背景技术：

在车辆的自动行驶控制装置中，公知有如下的自动行驶控制装置：该自动行驶控制装置具有用于进行自动行驶控制的自动行驶控制模式和学习驾驶员的驾驶操作的学习行驶模式这两个行驶模式，在学习行驶模式下，分别学习与各驾驶员的喜好相应的驾驶操作并将每个驾驶员的学习结果存储于存储装置，在自动行驶控制模式下，从存储装置读出与驾驶员的喜好相应的学习数据，以与学习数据对应的控制内容来进行车辆的自动行驶控制(例如参照专利文献1)。

在该车辆的自动行驶控制装置中，在学习行驶模式时，例如针对车间距离与车速的关系、周围的亮度与车间距离的关系、周围的亮度与车速的关系、雨量与车速的关系、横向风的强度与车速的关系等，学习与各驾驶员的喜好相应的驾驶操作并将其存储于存储装置，在自动行驶控制模式时，针对上述的车间距离与车速的关系、周围的亮度与车间距离的关系、周围的亮度与车速的关系、雨量与车速的关系、横向风的强度与车速的关系，以使得进行与各驾驶员的喜好相应的驾驶操作的方式进行自动行驶控制。

现有技术文献

专利文献

专利文献1：日本特开平7-108849号公报

技术实现要素：

发明要解决的问题

然而，在该车辆的自动行驶控制装置中，仅仅是对车间距离和车速这样的单一的值单独地进行控制，而关于综合地控制自身车辆的速度和行进方向及其时间变化来进行与驾驶员的驾驶特性相应的控制，则没有给出任何启示。

本发明提供一种能够综合地控制自身车辆的速度和行进方向及其时间变化来进行与驾驶员的驾驶特性相应的控制的自动驾驶车辆的控制装置。

用于解决问题的手段

即，根据本发明，提供一种自动驾驶车辆的控制装置，具备外部传感器、存储装置以及电子控制单元，该外部传感器检测自身车辆的周边信息，该存储装置存储有地图信息，该电子控制单元具备：

行驶计划生成部，其基于由外部传感器检测到的自身车辆的周边信息和存储于存储装置的地图信息，生成表示自身车辆的速度和行进方向的时间变化的多条车辆行驶路线，并且从该多条车辆行驶路线中决定出一条车辆行驶路线；

行驶场景判别部，其基于由外部传感器检测到的自身车辆的周边信息，判别车辆的行驶场景；

驾驶模式切换部，其将自身车辆的驾驶模式切换为按照驾驶员的操作来进行行驶的手动驾驶模式和在没有驾驶员的操作的情况下进行行驶的自动驾驶模式中的任一方；以及

存储部，其将手动驾驶模式时的预先设定的行驶场景下的自身车辆的行驶路线作为表示预先设定的行驶场景下的驾驶员的驾驶特性的特定车辆行驶路线而存储，

行驶计划生成部在自动驾驶模式时，在行驶场景成为了存储有特定车辆行驶路线的行驶场景的情况下，从多条车辆行驶路线中选择比在没有存储特定车辆行驶路线时由行驶计划生成部决定出的一条车辆行驶路线更接近特定车辆行驶路线的车辆行驶路线，并使自身车辆沿着该选择出的车辆行驶路线自动行驶。

发明效果

由于能够综合地控制自身车辆的速度和行进方向及其时间变化来将驾驶员的驾驶特性反映到自动行驶中，所以能够实现驾驶员的违和感更少的自动驾驶。

附图说明

图1是示出本发明的车辆的自动驾驶装置的整体结构的框图。

图2是车辆的侧视图。

图3是用于说明自身车辆的路线的轨迹的图。

图4是用于说明自身车辆的路线的轨迹的图。

图5是用于进行行驶控制的流程图。

图6A、6B以及6C是用于说明对于车辆V的要求驱动转矩TR的变化和该要求驱动转矩TR的算出方法的图。

图7是基于车辆的行驶计划的发动机驱动控制的控制构造图。

图8A和8B是示出行驶场景1下的车辆的行驶方式的例子的图。

图9是示出行驶场景1下的车辆的行驶方式的例子的图。

图10A和10B是示出行驶场景1下的车辆的行驶方式的例子的图。

图11A和11B是示出行驶场景1下的车辆的行驶方式的例子的图。

图12A和12B是示出行驶场景1下的车辆的行驶方式的例子的图。

图13A和13B是示出行驶场景1下的车辆的行驶方式的例子的图。

图14A和14B是示出行驶场景2下的车辆的行驶方式的例子的图。

图15A和15B是用于说明本发明的自动驾驶装置的结构的功能的框图。

图16A和16B分别是示出行驶场景1和行驶场景2下的对于学习允许范围的系数值的图。

图17是用于生成行驶计划的流程图。

图18A和18B分别是用于生成行驶计划的流程图。

具体实施方式

图1是示出本发明的车辆的自动驾驶装置的整体结构的框图。参照图 1，该车辆的自动驾驶装置具备检测自身车辆V的周边信息的外部传感器 1、GPS(Global Positioning System：全球定位系统)接收部2、内部传感器3、地图数据库4、存储装置5、导航系统6、HMI(Human Machine Interface：人机接口)7、各种致动器8以及电子控制单元(ECU)10。

在图1中，外部传感器1表示用于检测自身车辆V的周边信息即外部状况的检测设备，该外部传感器1包括相机、雷达(Radar)以及激光雷达(LIDER：Laser Imaging Detection and Ranging)中的至少一方。相机例如如图2中的标号SA所示，设置于车辆V的前挡风玻璃的里侧，由该相机SA对车辆V的前方进行拍摄。由该相机SA得到的拍摄信息被发送给电子控制单元10。另一方面，雷达是利用电波来检测车辆V外部的障碍物的装置。在该雷达中，根据从雷达向车辆V周围发射出的电波的反射波来检测车辆V周围的障碍物，由雷达检测到的障碍物信息被发送给电子控制单元10。

激光雷达是利用激光来检测自身车辆V正在行驶的道路和/或外部的障碍物的装置。该激光雷达例如如图2中的标号SB所示，设置在车辆V 的车顶上。在该激光雷达SB中，根据朝向车辆V的四周依次照射出的激光的反射光来计测与道路上和道路周边的障碍物之间的距离，以三维图像的形式检测车辆V四周的道路和障碍物的存在。由该激光雷达SB检测到的道路和障碍物的三维图像被发送给ECU10。

在图1中，在GPS接收部2中，从3个以上的GPS卫星接收信号，由此检测自身车辆V的绝对位置(例如车辆V的纬度和经度)。由GPS接收部2检测到的自身车辆V的绝对位置信息被发送给电子控制单元10。

在图1中，内部传感器3表示用于检测自身车辆V的行驶状态的检测设备。该内部传感器3包括车速传感器、加速度传感器以及横摆率传感器中的至少一方。车速传感器是检测车辆V的速度的检测器。加速度传感器例如是检测车辆V的前后方向的加速度的检测器。横摆率传感器是检测车辆V的重心绕铅垂轴的旋转角速度的检测器。由这些车速传感器、加速度传感器以及横摆率传感器检测到的信息被发送给电子控制单元10。

在图1中，地图数据库4表示通常市售的与地图信息相关的数据库，该地图数据库4例如存储在搭载于车辆的HDD(Hard disk drive：硬盘驱动器)内。地图信息例如包括道路的位置信息、道路形状的信息(例如弯道和直线部的类别、弯道的曲率等)、交叉点和分支点的位置信息。

在图1中，在存储装置5中存储有由激光雷达SB检测到的障碍物的三维图像和基于激光雷达SB的检测结果制作出的自动驾驶专用的道路地图，这些障碍物的三维图像和道路地图时常更新或定期更新。此外，在图 1所示的实施例中，在存储装置5中存储有车辆在预先选择的行驶车道的正中央行驶时的障碍物的三维图像。

在图1中，导航系统6是将车辆V的驾驶员引导至由车辆V的驾驶员设定的目的地的装置。在该导航系统6中，基于地图数据库4的地图信息和由GPS接收部2测定出的自身车辆V的当前的位置信息，运算直到目的地为止的目标路线。该车辆V的目标路线的信息被发送给电子控制单元 10。

在图1中，HMI7表示用于在车辆V的乘员与车辆的自动驾驶系统之间进行信息的输出和输入的接口，该HMI7例如具备用于向乘员显示图像信息的显示器面板、用于输出声音的扬声器以及用于供乘员进行输入操作的操作按钮或触控屏等。在HMI7中，当由乘员执行了应该开始自动行驶的输入操作时，向电子控制单元10发送信号来使自动行驶开始，成为在没有驾驶员的操作的情况下进行行驶的自动驾驶模式。另一方面，在HMI7 中，当由乘员执行了应该停止自动行驶的输入操作时，向电子控制单元10 发送信号来使自动行驶停止，从自动驾驶模式切换为按照驾驶员的操作进行行驶的手动驾驶模式。此外，若在自动驾驶模式时驾驶员进行了方向盘的操作和/或加速器踏板的操作，则此时也从自动驾驶模式切换为手动驾驶模式。

在图1中，致动器8用于执行车辆V的行驶控制，该致动器8至少包括加速器致动器、制动器致动器以及操舵致动器。加速器致动器根据来自电子控制单元10的控制信号控制节气门开度，由此控制自身车辆V的驱动力。制动器致动器根据来自电子控制单元10的控制信号控制制动器踏板的踩踏量，由此控制对自身车辆V的车轮施加的制动力。操舵致动器根据来自电子控制单元10的控制信号控制电动助力转向系统的操舵辅助马达的驱动，由此控制自身车辆V的操舵动作。

电子控制单元10具有通过双向性总线彼此连接的CPU(Central Processing Unit：中央处理器)、ROM(Read Only Memory：只读存储器)、 RAM(Random Access Memory：随机存取存储器)等。此外，虽然在图 1中示出了使用一个电子控制单元10的情况，但也可以使用多个电子控制单元。如图1所示，电子控制单元10具有车辆位置识别部11、外部状况识别部12、行驶状态识别部13、行驶计划生成部14、行驶控制部15、存储部16、行驶场景判别部17以及驾驶模式切换部18。此外，如图1所示， ROM和RAM构成了存储部16。

若使用GPS，则能够识别自身车辆V的绝对位置(纬度和经度)，因此，在本发明的实施例中，在车辆位置识别部11中，基于由GPS接收部 2接收到的自身车辆V的位置信息来识别开始了自动行驶时的地图数据库 4的地图上的最初的自身车辆V的绝对位置。然而，使用GPS得到的地图数据库4的道路上的自身车辆V的位置相对于道路上的自身车辆V的实际位置偏移很大，因此，难以基于使用GPS得到的自身车辆V的位置来使自身车辆V自动行驶。与此相对，存储于存储装置5的自动驾驶专用的道路地图是准确的，该存储于存储装置5的自动驾驶专用的道路地图上的自身车辆V的位置与自身车辆V的实际位置大致完全一致。因此，在本发明的实施例中，基于存储于存储装置5的自动驾驶专用的道路地图上的自身车辆V的位置来进行自动行驶。

即，在本发明的实施例中，当在车辆位置识别部11中基于由GPS接收部2接收到的自身车辆V的位置信息而识别到开始了自动行驶时的最初的自身车辆V的绝对位置时，之后，在外部状况识别部12中识别自身车辆V的外部状况，基于该外部状况来识别存储于存储装置5的自动驾驶专用的道路地图上的自身车辆V的准确位置。在该情况下，在外部状况识别部12中，基于外部传感器1的检测结果(例如相机8的拍摄信息、来自雷达的障碍物信息、由激光雷达SB检测到的障碍物的三维图像等)来识别自身车辆V的外部状况。此外，该外部状况包括行驶车道的白线相对于自身车辆V的位置、车道中心相对于车辆V的位置、道路宽度、道路的形状 (例如行驶车道的曲率、路面的坡度变化等)、车辆V周边的障碍物的状况(例如区分固定障碍物和移动障碍物的信息、障碍物相对于车辆V的位置、障碍物相对于车辆V的移动方向、障碍物相对于车辆V的相对速度等)。

再详细一点进行说明，在本发明的实施例中，在基于由GPS接收部2 接收到的自身车辆V的位置信息而识别到开始了自动行驶时的最初的自身车辆V的绝对位置时，在外部状况识别部12中，通过比较基于激光雷达 SB的检测结果而存储于存储装置5的外部的固定障碍物的三维图像和由激光雷达SB检测到的外部的固定障碍物的当前的三维图像，来识别存储于存储装置5的道路地图上的当前的自身车辆V的准确位置。具体而言，一点一点地错动使用激光雷达SB检测到的外部的固定障碍物的三维图像，找出该三维图像重叠在存储于存储装置5的外部的固定障碍物的三维图像上重叠的图像位置。此时的三维图像的错动量表示存储于存储装置5的道路地图上的自身车辆V自行驶车道的正中央起的偏移量，因此，能够根据该偏移量来识别当前的自身车辆V的准确位置。

此外，当这样求出了自身车辆V自行驶车道的正中央起的偏移量后，在开始了自身车辆V的自动行驶时，控制自身车辆V的行驶以使得自身车辆V在行驶车道的正中央行驶。在车道上行驶的期间，继续进行找出由激光雷达SB检测到的外部的固定障碍物的三维图像重叠在存储于存储装置 5的外部的固定障碍物的三维图像上重叠的图像位置的作业，并控制车辆的行驶以使得自身车辆V在由驾驶员设定的目标路径的行驶车道的正中央行驶。此外，在该外部状况识别部12中，通过比较由激光雷达SB检测到的外部的障碍物(固定障碍物和移动障碍物)的三维图像和存储于存储装置5的外部的固定障碍物的三维图像来识别步行者这样的移动障碍物的存在。

在行驶状态识别部13中，基于内部传感器3的检测结果(例如来自车速传感器的车速信息、来自加速度传感器的加速度信息、来自横摆率传感器的旋转角速度信息等)，识别自身车辆V的行驶状态。自身车辆V的行驶状态例如包括车速、加速度以及车辆V的重心绕铅垂轴的旋转角速度。

如上所述，在外部状况识别部12中识别存储于存储装置5的道路地图上的自身车辆V的位置，在行驶计划生成部14中，基于在该外部状况识别部12中识别到的自身车辆V的位置、在外部状况识别部12中识别到的自身车辆V的外部状况(其他车辆的位置和/或行进方向等)以及由内部传感器3检测到的自身车辆V的速度和/或加速度等，制作沿着由驾驶员设定的目标路径的自身车辆V的行驶计划，即，决定自身车辆V的路线。在该情况下，以遵守法规且安全地以最短时间到达目的地的方式来决定路线。

在行驶场景判别部17中，基于由外部传感器1检测到的自身车辆V 的周边信息，判别车辆的行驶场景。作为判别对象的行驶场景预先设定，作为预先设定的行驶场景，存在自身车辆V在接近了在自身车辆V的前方行驶的其他车辆时变更车道而赶超其他车辆的行驶场景、在自身车辆V的前方行驶的其他车辆停止了时自身车辆V跟随其他车辆而停止的行驶场景。根据自身车辆V和/或其他车辆的动作来判别是属于哪个行驶场景。

在驾驶模式切换部18中，将自身车辆V的驾驶模式切换为按照驾驶员的操作来进行行驶的手动驾驶模式和在没有驾驶员的操作的情况下进行行驶的自动驾驶模式中的任一方。关于该驾驶模式的切换，存在由乘员在 HMI6中进行的手动驾驶模式和自动驾驶模式的切换操作引起的情况和由基于驾驶员对方向盘的操作和/或驾驶员加速器踏板的操作的从自动驾驶模式向手动驾驶模式的切换动作引起的情况。

接着，参照图3和图4，对行驶计划生成部14中的自身车辆V的代表性的路线的决定方法进行简单说明。

图3和图4示出了以与xy平面正交的轴为时间轴t的三维空间。图3 的xy平面表示存储于存储装置5的道路地图上的地面，在图3中，R表示存储于存储装置5的地图上的道路。另外，在图3中，V表示在道路R上行驶的自身车辆，xy平面中的y轴方向被设为自身车辆V的行进方向。此外，图3中的道路R和自身车辆V的位置与实际的道路R和实际的自身车辆V的位置完全一一对应。

在行驶计划生成部14中，如图3中的P所示，在包含xyz轴的三维空间内生成自身车辆V今后的路线的轨迹。该轨迹的初始位置是当前的自身车辆V的位置，此时的时刻t被设为零(时刻t＝0)，此时的自身车辆V 的位置被设为存储于存储装置5的道路地图的道路R上的位置(x(0)、y (0))。另外，自身车辆V的行驶状态由车速v和行进方向θ表示，时刻 t＝0的自身车辆V的行驶状态在存储于存储装置5的道路地图的道路R上被设为(v(0)、θ(0))。这样，在本发明的实施例中，在存储于存储装置5的道路地图上，自身车辆V的位置和自身车辆V的行驶状态随着自身车辆V的行进而变化。

在从时刻t＝0经过Δt时间(0.1～0.5秒)的期间对自身车辆V进行的驾驶操作从预先设定的多个操作中选择。举出具体例，关于车辆的加速度，从在-10～+30Km/h/sec的范围内预先设定的多个值中选择，关于操舵角速度，从在-7～+7度/sec的范围内预先设定的多个值中选择。在该情况下，举出一例，针对车辆的多个加速度的值和多个操舵角速度的值的所有组合，求出Δt时间后(t＝Δt)的自身车辆V的位置(x(1)、y(1))和自身车辆V的行驶状态(v(1)、θ(1))，接着，求出再经过Δt时间后即2Δt 时间后(t＝2Δt)的自身车辆V的位置(x(2)、y(2))和自身车辆V的行驶状态(v(2)、θ(2))。以同样的方式求出nΔt时间后(t＝nΔt)的自身车辆V的位置(x(n)、y(n))和自身车辆V的行驶状态(v(n)、θ(n))。

在行驶计划生成部14中，通过将针对车辆的多个加速度的值和多个操舵角速度的值的组合分别求出的自身车辆A的位置(x、y)连结，来生成多条路线的轨迹。图3的P示出了这样得到的轨迹中的代表性的一条轨迹。在生成了多条路线的轨迹后，从这些轨迹中选择例如能够在遵守法规的同时安全地以最短时间到达目的地的轨迹，将该选择出的轨迹决定为自身车辆V的路线。此外，在图3中，该轨迹在道路R上的xy平面上的投影图成为存储于存储装置5的道路地图的道路R上的自身车辆V的路线，存储于存储装置5的道路地图上的自身车辆V的路线成为实际的道路上的自身车辆V的实际路线。

接着，参照图4，对从多条路线的轨迹中选择能够在遵守法规的同时安全地以最短时间到达目的地的轨迹的方法的一例进行简单说明。该图4 的xy平面也图3同样，表示存储于存储装置5的道路地图上的地面。另外，在图4中，V与图3同样地表示自身车辆，A表示在自身车辆V的前方向与自身车辆V相同的方向行进的其他车辆。此外，图4示出了针对自身车辆V生成的多条路线的轨迹P。在行驶计划生成部14中，针对其他车辆A，也对于车辆的多个加速度的值和多个操舵角速度的值的组合生成了多条路线的轨迹，针对其他车辆A生成的多条路线的轨迹在图4中由P’表示。

在行驶计划生成部14中，首先，基于由外部状况识别部12识别到的外部信息，针对所有轨迹P判别在自身车辆V按照轨迹P行进时，自身车辆V是否能够在道路R内行驶以及是否会与固定障碍物或步行者接触。在判别为在自身车辆V按照轨迹P行进时自身车辆V无法在道路R内行驶的情况下，或者在判别为自身车辆V会与固定障碍物或步行者接触的情况下，将该轨迹P从选项中排除，并针对剩余的轨迹P判别与其他车辆A之间有无干涉。

即，在图4中，在轨迹P与轨迹P’交叉时，意味着在交叉的时刻t自身车辆V会与其他车辆A碰撞。因此，在上述的剩余的轨迹P中存在与轨迹P’交叉的轨迹P的情况下，将与轨迹P’交叉的轨迹P从选项中排除，从剩余的轨迹P中选择能够以最短时间到达目的地的轨迹P。以这样的方式从多条路线的轨迹P中选择能够在遵守法规的同时安全地以最短时间到达目的地的轨迹P。

在选择了轨迹P后，从行驶计划生成部14输出所选择的轨迹P上的时刻t＝Δt的自身车辆V的位置(x(1)、y(1))和自身车辆V的行驶状态(v(1)、θ(1))、所选择的轨迹P上的时刻t＝2Δt的自身车辆V的位置(x(2)、y(2))和自身车辆V的行驶状态(v(2)、θ(2))、……所选择的轨迹P上的时刻t＝nΔt的自身车辆V的位置(x(n)、y(n))和自身车辆V的行驶状态(v(n)、θ(n))，在行驶控制部15中，基于这些自身车辆V的位置和自身车辆V的行驶状态来控制自身车辆的行驶。

接着，在成为了时刻t＝Δt时，将此时的时刻t设为零(时刻t＝0)，将自身车辆V的位置设为(x(0)、y(0))，将自身车辆V的行驶状态设为 (v(0)、θ(0))，再次针对车辆的多个加速度的值和多个操舵角速度的值的组合生成多条路线的轨迹P，并从这些轨迹P中选定最佳的轨迹P。在选定了最佳的轨迹P后，从行驶计划生成部14输出所选择的轨迹P上的各时刻t＝Δt、2Δt、…nΔt的自身车辆V的位置和自身车辆V的行驶状态，在行驶控制部15中，基于这些自身车辆V的位置和自身车辆V的行驶状态来控制自身车辆的行驶。以后，反复进行上述过程。

接着，对基于由该行驶计划生成部14生成的车辆的行驶计划而进行的车辆的行驶控制进行简单说明。参照示出用于进行该车辆的行驶控制的例程的图5，首先，在步骤30中，读入由行驶计划生成部14生成的行驶计划，即所选择的轨迹P上的从t＝Δt到t＝nΔt的各时刻的自身车辆V的位置(x、y)和自身车辆V的行驶状态(v、θ)。接着，基于上述的各时刻的自身车辆V的位置(x、y)和自身车辆V的行驶状态(v、θ)，在步骤 31中进行车辆V的发动机的驱动控制和发动机辅机的控制等，在步骤32 中进行车辆V的制动控制和制动灯的点亮控制等，在步骤33中进行操舵控制和方向指示灯的控制等。这些控制在每当在步骤30中取得更新后的新的行驶计划时更新。以这样的方式进行沿着所生成的行驶计划的车辆V的自动行驶。

接着，参照图6A，对基于由行驶计划生成部14生成的行驶计划进行的自身车辆V的发动机的驱动控制的一例进行说明。该图6A示出了道路状况、自身车辆V的车速v以及对于自身车辆V的要求驱动转矩TR。此外，在图6A中，车速v是基于行驶计划生成部14所生成的行驶计划的车速的一例，图6A所示的例子示出了如下情况：在时刻t＝0，车辆V处于停止，在从时刻t＝0到时刻t＝Δt的期间，进行车辆V的加速驾驶，在从时刻t＝Δt到时刻t＝7Δt的期间，即使在中途变成了上坡也进行定速行驶，在时刻t＝7Δt以后的下坡中，车速v减速。

在本发明的实施例中，根据基于行驶计划生成部14所生成的行驶计划的车速v求出应该对车辆V施加的车辆V的行进方向的加速度A(n)，根据该加速度A(n)求出对于车辆V的要求驱动转矩TR，并对发动机进行驱动控制，以使得对于车辆V的驱动转矩成为该要求驱动转矩TR。例如，如图6B所示，若假设质量为M的车辆在时间Δt的期间要从v(n)加速到了v(n+1)，则此时的车辆V的行进方向的加速度A(n)如图6B所示那样由加速度A(n)＝(v(n+1)-v(n))/Δt表示。此时假设对车辆V 施加的力为F，则该力F由车辆V的质量M与加速度A(n)之积(＝M·A (n))表示。另一方面，若假设车辆V的驱动轮的半径为r，则对于车辆 V的驱动转矩TR由F·r表示，因此，若假设C为常数，则对于车辆V的要求驱动转矩TR由C·A(n)(＝F·r＝M·A(n)·r)表示。

当求出对于车辆V的要求驱动转矩TR(＝C·A(n))后，对发动机进行驱动控制，以使得对于车辆V的驱动转矩成为该要求驱动转矩TR。具体而言，控制发动机负荷即节气门的开度和变速器的变速比，以使得对于车辆V的驱动转矩成为该要求驱动转矩TR。例如，变速器的变速比被预先设定为车速v和要求驱动转矩TR的函数，因此，若车速v和要求驱动转矩TR确定，则变速器的目标变速比确定。若变速器的目标变速比确定，则得到车速v和要求驱动转矩TR的发动机转速和发动机输出转矩确定，若发动机输出转矩确定，则得到该发动机输出转矩的节气门的目标开度确定。目标变速比和节气门的目标开度以这样的方式来确定，将变速器的变速比和节气门的开度分别控制成该目标变速比和目标开度。

另一方面，在道路为上坡路的情况下，与平坦路的情况相比，使车辆 V行驶需要大的驱动转矩。即，如图6C所示，在上坡路中，若将重力的加速度设为g，将坡度设为θ，则对于质量为M的车辆V，会在使车辆V 后退的方向上作用加速度AX(＝g·SINθ)。即，会在车辆V上作用减速度 AX(＝g·SINθ)。此时，若将C设为常数，则使车辆V不后退所需的对于车辆V的要求驱动转矩TR由C·AX(＝F·r＝M·AX·r)表示。因此，在车辆V在上坡路上行驶时，对于车辆V的要求驱动转矩TR会增大该驱动转矩C·AX。

因此，在图6A所示的例子中，在进行车辆V的加速驾驶的从时刻t＝0 到时刻t＝Δt的期间，对于车辆V的要求驱动转矩TR增大，在车辆V在平坦路上定速行驶的从时刻t＝Δt到时刻t＝3Δt的期间，对于车辆V的要求驱动转矩TR稍微减小，在车辆V在上坡路上定速行驶的从时刻t＝3Δt 到时刻t＝5Δt的期间，对于车辆V的要求驱动转矩TR大幅增大，在车辆 V在平坦路上定速行驶的从时刻t＝5Δt到时刻t＝7Δt的期间，对于车辆V 的要求驱动转矩TR与在上坡路上定速行驶时相比减小，在车辆V在下坡路上稍微减速而定速行驶的时刻t＝7Δt以后，对于车辆V的要求驱动转矩 TR进一步减小。

图7示出了基于车辆的行驶计划的发动机驱动控制的控制构造图。在将基于行驶计划40生成的当前(时刻t＝0)的车速设为v(0)的情况下，在本发明的实施例中，同时平行地进行将Δt时间后的时刻t＝Δt的车速控制成基于行驶计划40生成的车速v(1)的前馈控制以及将实际的车速控制成基于行驶计划40生成的车速v的反馈控制。在该情况下，若同时对这些前馈控制和反馈控制进行说明则不容易理解，所以首先对前馈控制进行说明，接着对反馈控制进行说明。

参照图8，在前馈控制部41中，根据基于行驶计划40生成的当前(时刻t＝0)的车速v(0)和时刻t＝Δt的车速v(1)，运算从车速v(0)变成v(1)时的车辆V的行进方向的加速度A(0)＝(v(1)-v(0))/Δt。另一方面，在坡路修正部42中，运算参照图7说明的上坡路或下坡路上的加速度AX(＝g·SINθ)。将由前馈控制部41得到的加速度A(0)和由坡道修正部43得到的加速度AX相加，在要求驱动转矩TR的运算部44 中，根据由前馈控制部41得到的加速度A(0)与由坡道修正部43得到的加速度AX之和(A(0)+AX)来运算对于车辆V的要求驱动转矩TR。

该加速度之和(A(0)+AX)表示使车速从v(0)变成v(1)所需的加速度，因此，若基于该加速度之和(A(0)+AX)使对于车辆V的要求驱动转矩TR变化，则时刻t＝Δt的车速在计算上成为v(1)。因此，在接下来的发动机驱动控制部45中，对发动机进行驱动控制以使得对于车辆 V的驱动转矩成为该要求驱动转矩TR，由此使车辆自动行驶。若这样基于加速度之和(A(0)+AX)使对于车辆V的要求驱动转矩TR变化，则时刻t＝Δt的车速在计算上成为v(1)。然而，实际的车速会偏离v(1)，为了消除该偏移而进行反馈控制。

即，在反馈控制部43中，对对于车辆V的要求驱动转矩TR进行反馈控制，以使得基于行驶计划40生成的当前的车速v(0)与实际的车速 vz之差(＝v(0)-vz)成为零，即，以使得实际的车速vz成为基于行驶计划40生成的当前的车速v(0)。具体而言，在反馈控制部41中，运算当前的车速v(0)与实际的车速vz之差(＝v(0)-vz)乘以预先设定的增益G而得到的值(v(0)-vz)·G，向由前馈控制部41得到的加速度A(0) 加上由反馈控制部41得到的(v(0)-vz)·G的值。

以这样的方式将实际的车速vz控制成基于行驶计划40生成的车速v (n)。此外，在行驶计划40中生成各时刻t＝0、t＝Δt、t＝2Δt…的各车速 v(0)、v(1)、v(2)…，在前馈控制部41中基于这些车速v(n)运算各时刻t＝0、t＝Δt、t＝2Δt…的车辆V的行进方向的加速度A(0)、A(1)、 A(2)…，在要求驱动转矩TR的运算部44中，基于这些加速度A(0)、 A(1)、A(2)…运算各时刻t＝0、t＝Δt、t＝2Δt…的对于车辆V的要求驱动转矩TR。

在本发明中，如前所述，在进行车辆的自动驾驶的期间，生成表示自身车辆V的车速v和行进方向θ的时间变化的多条车辆行驶路线。在该情况下，通常，从这多条车辆行驶路线中选择能够在遵守法规的同时安全地以最短时间到达目的地的一条车辆行驶路线，使自身车辆沿着该选择出的车辆行驶路线自动行驶。然而，在自身车辆沿着这样选择出的车辆行驶路线自动行驶的情况下，经常会有该选择出的车辆行驶路线不同于与驾驶员的驾驶特性相应的车辆行驶路线的情况，在该选择出的车辆行驶路线不同于与驾驶员的驾驶特性相应的车辆行驶路线的情况下，会给驾驶员带来违和感。在该情况下，驾驶员感到这样的违和感不是在车辆在直线路上定速行驶时，而例如是在处于赶超在前方行驶的其他车辆那样的行驶场景时。

于是，在本发明的车辆的自动驾驶系统中，预先设定有可能给驾驶员带来违和感的车辆的各种行驶场景，在处于在没有驾驶员的操作的情况下进行行驶的自动驾驶模式时，在车辆的行驶场景成为了预先设定的车辆的行驶场景的情况下，概略而言，选择与驾驶员的驾驶特性相应的车辆行驶路线作为车辆行驶路线。为此，在本发明的车辆的自动驾驶系统中，在按照驾驶员的操作进行行驶的手动驾驶模式时，在车辆的行驶场景成为了预先设定的车辆的行驶场景的情况下，学习通过驾驶员的驾驶操作而生成的车辆行驶路线，并且存储通过驾驶员的驾驶操作而生成的该车辆行驶路线作为表示驾驶员的驾驶特性的特定车辆行驶路线，在处于自动驾驶模式时，在车辆的行驶场景成为了该预先设定的车辆的行驶场景的情况下，使车辆沿着接近所存储的表示驾驶员的驾驶特性的特定车辆行驶路线的车辆行驶路线进行行驶。

此外，作为预先设定的车辆的行驶场景，存在在接近了在自身车辆的前方行驶的其他车辆时变更车道而赶超其他车辆的情况、在自身车辆的前方行驶的其他车辆停止了时跟随其他车辆而停止的情况、在接近了存在于自身车辆的前方的障碍物了时避开障碍物的情况等各种行驶场景。另外，如前所述，若在图1所示的HMI7中由乘员执行了应该停止自动行驶的输入操作，则向电子控制单元10发送输送信号来停止自动行驶，从自动驾驶模式切换为手动驾驶模式。此外，若在自动驾驶模式时由驾驶员进行了方向盘的操作和/或加速器踏板的操作，则此时也从自动驾驶模式切换为手动驾驶模式。

接着，参照图8A至图13B，对本发明的车辆的自动驾驶方法进行说明。此外，该图8A至图13B示出了预先设定的车辆的行驶场景中的在接近了在自身车辆的前方行驶的其他车辆时变更车道而赶超其他车辆的代表性的一个行驶场景。在本发明的实施例中，将该行驶场景称作行驶场景1。此外，在这些图8A至图13B中，R1和R2表示彼此相邻的两条行驶单行道(lane)，V表示在行驶单行道R1上行驶的自身车辆，A表示在与自身车辆V相同的行驶单行道R1上在自身车辆V的前方行驶的其他车辆。另外，在图8A至图13B中，DS和DE表示距其他车辆A的距离，在自身车辆V与其他车辆A的车辆间隔变得比距离DS小时，判别为成为了赶超车辆的行驶场景。

在图8A至图10B中，从自身车辆V向前方延伸的实线P表示不进行自动驾驶而持续进行手动驾驶时的车辆行驶路线。即，表示根据驾驶员的驾驶特性使车辆行驶时的车辆行驶路线。参照图8A，在图8A所示的例子中，从车辆行驶路线P可知，在自身车辆V与其他车辆A的车辆间隔比距离DS大时进行从行驶单行道R1向行驶单行道R2的自身车辆V的车道变更。在这样在自身车辆V与其他车辆A的车辆间隔比距离DS大时进行了自身车辆V的车道变更的情况下，判别为该车道变更是单纯的车道变更，而不是用于赶超前方的其他车辆A的车道变更。即，判别为此时的自身车辆V的行驶状态不属于赶超车辆的行驶场景。因此，此时不进行车辆行驶路线P的学习。

另一方面，在图8B所示的例子中，从车辆行驶路线P可知，在自身车辆V与其他车辆A的车辆间隔比距离DS小时进行从行驶单行道R1向行驶单行道R2的自身车辆V的车道变更。在这样在自身车辆V与其他车辆A的车辆间隔比距离DS小时进行了自身车辆V的车道变更的情况下，判别为该车道变更是用于赶超前方的其他车辆A的车道变更。即，判别为此时的自身车辆V的行驶状态属于赶超车辆的行驶场景。

然而，在图8B所示的例子中，从车辆行驶路线P可知，在自身车辆 V与其他车辆A的车辆间隔比距离DE小时进行从行驶单行道R1向行驶单行道R2的自身车辆V的车道变更。该距离DE根据自身车辆V与其他车辆A接触的可能性而设定，若在自身车辆V与其他车辆A的车辆间隔变得比距离DE小时进行自身车辆V的车道变更，则判别为自身车辆V与其他车辆A有可能接触。对于这样的自身车辆V与其他车辆A有可能接触的车辆行驶路线，即使表示了驾驶员的驾驶特性，在自动驾驶模式时使车辆按照该车辆行驶路线行驶也是不合适的。因此，此时不进行车辆行驶路线P的学习。即，判别为行驶场景是赶超车辆的行驶场景且进行车辆行驶路线P的学习是在自身车辆V与其他车辆A的车辆间隔处于距离DE与距离DS之间的情况下进行了自身车辆V的车道变更时。

另一方面，即使在判别为行驶场景是赶超车辆的行驶场景且在自身车辆V与其他车辆A的车辆间隔处于距离DE与距离DS之间的情况下进行了自身车辆V的车道变更时，有时也不进行车辆行驶路线P的学习。参照图9对这样的情况的一例进行说明。图9示出了如下情况：虽然在自身车辆V与其他车辆A的车辆间隔处于距离DE与距离DS作间时进行从行驶单行道R1向行驶单行道R2的自身车辆V的车道变更，但在自身车辆V 向行驶单行道R2进行了车道变更之后，自身车辆V在行驶单行道R2内紧靠左侧或紧靠右侧行驶。在这样的情况下，由于自身车辆V有可能与其他车辆接触，所以不进行车辆行驶路线P的学习。

具体而言，在图9中，在车辆行驶路线如P1所示那样位于行驶单行道R2的左端与分界线HO之间时，或者在车辆行驶路线如P2所示那样位于行驶单行道R2的右端与分界线HI之间时，判断为自身车辆V有可能与其他车辆接触，分界线HO是在行驶单行道R2内与行驶单行道R2的左端相距一定距离ΔH的线，分界线HI是在行驶单行道R2的内与行驶单行道R2的右端相距一定距离ΔH的线。因此，此时不进行车辆行驶路线P 的学习。

因此，判别为行驶场景是赶超车辆的行驶场景且进行车辆行驶路线P 的学习是在如图10A所示那样在自身车辆V与其他车辆A的车辆间隔处于距离DE与距离DS之间时进行自身车辆V的车道变更且在自身车辆V 性行驶单行道R2进行了车道变更之后自身车辆V位于行驶单行道R2内的分界线HO与分界线HI之间时。即，判别为行驶场景是赶超车辆的行驶场景且允许车辆行驶路线P的学习是在自身车辆V开始变更车道时的自身车辆V与其他车辆A的车辆间隔处于距离DE与距离DS之间且自身车辆V向行驶单行道R2进行了车道变更之后的行驶单行道R2内的自身车辆V的位置处于分界线HO与分界线HI之间时。

因此，在本发明中，关于自身车辆V开始变更车道时的自身车辆V与其他车辆A的车辆间隔，将距离DE与距离DS之间称作学习允许范围，关于自身车辆V向行驶单行道R2进行了车道变更之后的行驶单行道R2 内的自身车辆V的位置，将分界线HO与分界线HI之间称作学习允许范围。因此，在本发明中，判别为行驶场景是赶超车辆的行驶场景且进行车辆行驶路线P的学习是在自身车辆V开始变更车道时的自身车辆V与其他车辆A的车辆间隔处于学习允许范围内且自身车辆V向行驶单行道R2 进行了车道变更之后的行驶单行道R2内的自身车辆V的位置处于学习允许范围内时。

图10A示出了自身车辆V开始变更车道时的自身车辆V与其他车辆A 的车辆间隔处于距离DE与距离DS之间即处于学习允许范围内、且自身车辆V向行驶单行道R2进行了车道变更之后的行驶单行道R2内的自身车辆V的位置处于分界线HO与分界线HI之间即处于学习允许范围内的时候。因此，此时判别为行驶场景是赶超车辆的行驶场景，且进行车辆行驶路线P的学习。图10B示出来此时进行的车辆行驶路线P的学习方法的一例。

在本发明的实施例中，在进行手动驾驶的期间，持续存储每Δt时间的自身车辆V与其他车辆A的车辆间隔D(i)、自身车辆V的位置(v(i)、θ(i))以及自身车辆V的行驶状态(v(i)、θ(i))。另一方面，在进行手动驾驶的期间，始终由行驶场景判别部17基于由外部传感器1检测到的自身车辆的周边信息来监视车辆的行驶场景。在该情况下，例如在由行驶场景判别部17判别为自身车辆V在接近了在自身车辆V的前方行驶的其他车辆A时变更车道而赶超其他车辆A、且此时车道变更动作开始时的自身车辆V与其他车辆A的车辆间隔D(i)比图8A至图10B所示的距离DS短的情况下，由行驶场景判别部17判别为行驶场景是赶超车辆的行驶场景。此外，在该情况下，例如在自身车辆V的前端位于比其他车辆A 的前端靠前方的位置时，判断为赶超了其他车辆A。

在由行驶场景判别部17判别为行驶场景是赶超车辆的行驶场景时，例如如图10B所示，将自身车辆V与其他车辆A的车辆间隔D(i)成为了距离DS的时候设为时刻t＝0，重新存储在时刻t＝0时所存储的自身车辆V 的位置(x(i)、y(i))作为自身车辆V的位置(x(0)、y(0))，重新存储时刻t＝0时存储的自身车辆V的行驶状态(v(i)、θ(i))作为行驶状态(v(0)、θ(0))。在该情况下，关于自身车辆V的位置，将在存储装置5所存储的道路地图上时刻t＝0的车辆的行进方向设为y坐标，将在存储装置5所存储的道路地图上与车辆的行进方向正交的方向设为x坐标。

同样，重新存储从时刻t＝0经过Δt时间后(t＝Δt)的自身车辆V的位置和自身车辆V的行驶状态分别作为(x(1)、y(1))和(v(1)、θ (1))，重新存储从时刻t＝0再经过Δt时间后即从时刻t＝0经过2Δt时间后(t＝2Δt)的自身车辆V的位置和自身车辆V的行驶状态分别作为(x (2)、y(2))和(v(2)、θ(2))。同样，直到到达判别为赶超了车辆的时刻(t＝nΔt)为止，依次重新存储从时刻t＝0经过iΔt时间后(t＝iΔt) 的自身车辆V的位置和自身车辆V的行驶状态分别作为(x(i)、y(i)) 和(v(i)、θ(i))。

在到达判别为赶超了车辆的时刻(t＝nΔt)时，根据所存储的自身车辆V与其他车辆A的车辆间隔D(i)和重新存储的自身车辆V的位置(x (i)、y(i))，判别是否自身车辆V开始变更车道时的自身车辆V与其他车辆A的车辆间隔D(i)是否处于距离DE与距离DS之间即处于学习允许范围内、且自身车辆V向行驶单行道R2进行了车道变更之后的行驶单行道R2内的自身车辆V的位置是否处于分界线HO与分界线HI之间即处于学习允许范围内。在判别为自身车辆V开始变更车道时的自身车辆V 与其他车辆A的车辆间隔D(i)不在学习允许范围内或者自身车辆V向行驶单行道R2变更车道之后的行驶单行道R2内的自身车辆V的位置不在学习允许范围内时，删除车辆间隔D(i)、自身车辆V的位置(x(i)、 y(i))以及自身车辆V的行驶状态(v(i)、θ(i))的存储，此时不进行车辆行驶路线P的学习。即，此时不采用车辆行驶路线P作为表示行驶场景是赶超车辆的行驶场景时的驾驶员的驾驶特性的特定车辆行驶路线。

与此相对，在判别为自身车辆V开始变更车道时的自身车辆V与其他车辆A的车辆间隔D(i)处于学习允许范围内、且自身车辆V向行驶单行道R2进行了车道变更之后的行驶单行道R2内的自身车辆V的位置处于学习允许范围内时，存储此时的车辆行驶路线P作为表示处于赶超车辆的行驶场景时的驾驶员的驾驶特性的特定车辆行驶路线P。即，此时进行车辆行驶路线P的学习，采用车辆行驶路线P作为表示处于赶超车辆的行驶场景时的驾驶员的驾驶特性的特定车辆行驶路线。此外，此时，车辆行驶路线P以表示各时刻t＝iΔt的自身车辆V的位置(x(i)、y(i))和自身车辆V的行驶状态(x(i)、y(i))的数据的形式存储。

以上，对基于不进行自动驾驶而持续进行手动驾驶时的车辆行驶路线 P来进行与驾驶员的驾驶特性相应的车辆行驶路线P的学习的情况进行了说明。然而，如前所述，若在自动驾驶模式时由驾驶员进行了方向盘的操作和/或加速器踏板的操作，则此时也从自动驾驶模式切换为手动驾驶模式，此时也成为与驾驶员的驾驶特性相应的车辆行驶路线P。接着，参照图11A和图11B，对从自动驾驶模式切换成了手动驾驶模式时的车辆行驶路线P进行说明。

在图11A和图11B中，PO表示在自动驾驶模式时由自动驾驶装置使车辆自动行驶的情况下的车辆行驶路线。因此，在驾驶模式被设定在自动驾驶模式的情况下，车辆沿着该车辆行驶路线PO自动行驶。然而，在该情况下，该车辆行驶路线PO有时会与驾驶员的驾驶特性不同，在该情况下，驾驶员有时会进行方向盘和/或加速器踏板的操作，以使车辆行驶路线成为与驾驶员的驾驶特性相应的车辆行驶路线。在图11A和图11B中，P 表示在自动驾驶模式时进行转向和/或加速器踏板的操作以使车辆行驶路线成为与驾驶员的驾驶特性相应的车辆行驶路线，由此从自动驾驶模式切换成了手动驾驶模式的情况。

图11A示出了如下情况：从驾驶员的驾驶特性来看，开始自身车辆V 的车道变更的正时在由自动驾驶装置得到的车辆行驶路线PO中过晚。此时，如车辆行驶路线P所示，有时会在比自动行驶下的自身车辆V开始变更车道时早的正时进行方向盘和/或加速器踏板的操作而从自动驾驶模式切换为手动驾驶模式，在该情况下，车辆行驶路线P成为与驾驶员的驾驶特性相应的车辆行驶路线。另一方面，图11B示出了如下情况：从驾驶员的驾驶特性来看，开始自身车辆V的车道变更的正时在由自动驾驶装置得到的车辆行驶路线PO中过早。此时，如车辆行驶路线P所示，有时会在比自动行驶下的自身车辆V开始变更车道时晚的正时进行转向和/或加速器踏板的操作而从自动驾驶模式切换为手动驾驶模式，在该情况下，车辆行驶路线P成为与驾驶员的驾驶特性相应的车辆行驶路线。

因此，在本发明的实施例中，在自动驾驶模式时进行方向盘和/或加速器踏板的操作以使车辆行驶路线成为与驾驶员的驾驶特性相应的车辆行驶路线P由此从自动驾驶模式切换为了手动驾驶模式的情况下，在自身车辆 V开始变更车道时的自身车辆V与其他车辆A的车辆间隔处于学习允许范围内且自身车辆V向行驶单行道R2进行了车道变更之后的行驶单行道R2 内的自身车辆V的位置处于学习允许范围内时，也如图10B所示那样存储车辆行驶路线P作为表示驾驶员的驾驶特性的特定车辆行驶路线。

图12A和图12B示出了如下情况：例如，学习在手动驾驶模式时的车辆的赶超行驶场景下在自身车辆V的速度相同且其他车辆A的速度相同且天气和/或路面的状态相同时进行的多次车辆行驶路线P中频度最高的车辆行驶路线P。在该情况下，在自身车辆V的速度相同且其他车辆A的速度相同且天气和/或路面的状态相同时进行的多次车辆行驶路线P中，如图 12A所示，仅选择自身车辆V开始变更车道时的自身车辆V与其他车辆A 的车辆间隔处于距离DE与距离DS之间即处于学习允许范围内、且自身车辆V向行驶单行道R2进行了车道变更之后的行驶单行道R2内的自身车辆V的位置处于分界线HO与分界线HI之间即处于学习允许范围内的车辆行驶路线P，如图12B所示，仅存储所选择出的车辆行驶路线P。

接着，求出所存储的多次车辆行驶路线P中发生密度最高的车辆行驶路线P。例如，在假设图12B所示的车辆行驶路线P为车辆行驶路线P1 至P5这五条路线的情况下，首先，算出车辆行驶路线P1和车辆行驶路线 P2的各时刻的x坐标的值x(i)之差的平方与车辆行驶路线P1和车辆行驶路线P2的各时刻的y坐标的值y(i)之差的平方的总和。在该情况下，该总和越小，则两条车辆行驶路线P越接近。接着，针对车辆行驶路线P1 和车辆行驶路线P3算出上述总和，接着，针对车辆行驶路线P1和车辆行驶路线P4算出上述总和，接着，针对车辆行驶路线P1和车辆行驶路线 P5算出上述总和，最后，算出上述所有总和的合计。

接着，针对车辆行驶路线P2算出车辆行驶路线P2与车辆行驶路线 P1的上述总和、车辆行驶路线P2与车辆行驶路线P3的上述总和、车辆行驶路线P2与车辆行驶路线P4的上述总和、车辆行驶路线P2与车辆行驶路线P5的上述总和，且针对车辆行驶路线P2算出上述所有总和的合计。同样，针对车辆行驶路线P3算出上述所有总和的合计，针对车辆行驶路线P4算出上述所有总和的合计、针对车辆行驶路线P5算出上述所有总和的合计。在该情况下，上述所有总和的合计越小，则表示车辆行驶路线P 的发生密度越高，因此，存储在针对该车辆行驶路线P1、P2、P3、P4、 P5算出的上述所有总和的合计中该总和的合计最小的车辆行驶路线P作为表示驾驶员的驾驶特性的特定车辆行驶路线。

图13A和图13B示出了在自动驾驶模式时判别为行驶场景是赶超车辆的行驶场景的情况下的车辆行驶路线的决定方法。如前所述，在本发明中，基于由外部传感器1检测到的车辆的周边信息和地图信息，生成表示自身车辆V的速度v和行进方向θ的时间变化的多条车辆行驶路线，在自动驾驶模式时判别为行驶场景是赶超车辆的行驶场景的情况下生成的多条车辆行驶路线在图13A中由PO1、PO2、PO3、PO4表示。

在该情况下，以往，如前所述，在自动驾驶模式时，与驾驶员的驾驶特性无关地从该多条车辆行驶路线PO1、PO2、PO3、PO4中选择能够在遵守法规的同时安全地以最短时间到达目的地的一条车辆行驶路线POX，并使自身车辆沿着该选择出的车辆行驶路线POX自动行驶。换言之，以往，在自动驾驶模式时，与驾驶员的驾驶特性无关地由行驶计划生成部14 从多条车辆行驶路线PO1、PO2、PO3、PO4中决定出一条车辆行驶路线 POX，并使自身车辆沿着该决定出的车辆行驶路线POX自动行驶。然而，在使自身车辆沿着这样选择出的车辆行驶路线POX自动行驶的情况下，该选择出的车辆行驶路线POX往往会不同于与驾驶员的驾驶特性相应的车辆行驶路线，在该选择出的车辆行驶路线POX不同于与驾驶员的驾驶特性相应的车辆行驶路线的情况下，会给驾驶员带来违和感。

于是，在本发明中，在自动驾驶模式时，相比于与驾驶员的驾驶特性无关地由行驶计划生成部14决定出的一条车辆行驶路线POX相比，从多条车辆行驶路线PO1、PO2、PO3、PO4中选择更接近表示驾驶员的驾驶特性的特定车辆行驶路线的车辆行驶路线，并使自身车辆V沿着该选择出的车辆行驶路线自动行驶。即，若假设在图13B中POX表示与驾驶员的驾驶特性无关地由行驶计划生成部14决定出的一条车辆行驶路线，且在图 13B中P表示图10B所示的表示驾驶员的驾驶特性的特定学习行驶路线或者参照图12B说明的发生密度最高的特定车辆行驶路线，则在本发明中，在自动驾驶模式时，从图13A所示的多条车辆行驶路线PO1、PO2、PO3、 PO4中选择出相比于与驾驶员的驾驶特性无关地由行驶计划生成部14决定出的一条车辆行驶路线POX更接近表示驾驶员的驾驶特性的特定车辆行驶路线P的车辆行驶路线，并使自身车辆V沿着选择出的车辆行驶路线自动行驶。

此外，在图13A中，车辆行驶路线PO1、PO2、PO3、PO4表示在自身车辆V与其他车辆A的车辆间隔成为了距离DS时生成也就是在图10B 中的时刻t＝0时生成的车辆行驶路线。这样，在本发明中，在自动驾驶模式时，从多条车辆行驶路线PO1、PO2、PO3、PO4中选择相比于与驾驶员的驾驶特性无关地由行驶计划生成部14决定出的一条车辆行驶路线 POX更接近表示驾驶员的驾驶特性的特定车辆行驶路线P的车辆行驶路线。接着，作为一例，对在自动驾驶模式时从多条车辆行驶路线PO1、PO2、 PO3、PO4中选择最接近表示驾驶员的驾驶特性的特定车辆行驶路线P的车辆行驶路线的情况进行说明。

如前所述，在算出了图13B所示的特定车辆行驶路线P和图13A所示的任一车辆行驶路线PO的各时刻的x坐标的值x(i)之差的平方与各时刻的y坐标的值y(i)之差的平方的总和后，该总和越小，则两条车辆行驶路线P、PO越接近。于是，在该情况下，也针对图13B所示的特定车辆行驶路线P和图13A所示的车辆行驶路线PO1算出上述总和，接着针对图13B所示的特定车辆行驶路线P和图13A所示的车辆行驶路线PO2 算出上述总和，接着针对图13B所示的车辆行驶路线P和图13A所示的车辆行驶路线PO3算出上述总和，接着针对图13B所示的特定车辆行驶路线P和图13A所示的车辆行驶路线PO4算出上述总和，然后，选择针对特定车辆行驶路线P和车辆行驶路线PO1、PO2、PO3、PO4算出的总和中总和最小的车辆行驶路线PO3作为表示驾驶员的驾驶特性的特定学习行驶路线。

以这样的方式选择最接近表示驾驶员的驾驶特性的特定学习行驶路线 P的车辆行驶路线PO3作为学习行驶路线，并使车辆沿着该选择出的学习行驶路线自动行驶。因此，即使使自身车辆V自动行驶，也会进行与驾驶员的驾驶特性相应的车辆的行驶，其结果，不会给驾驶员带来违和感。

接着，参照图14A和图14B，对车辆的另一行驶场景下的车辆的自动驾驶方法进行说明。图14A和图14B示出了预先设定的车辆的行驶场景之中的表示在自身车辆的前方行驶的其他车辆停止了时跟随其他车辆而停止的代表性的一个行驶场景。在本发明的实施例中，将该行驶场景称作行驶场景2。此外，在这些图14A和图14B中，R表示行驶单行道，V表示在行驶单行道R上行驶的自身车辆，A表示在与自身车辆V相同的行驶单行道R上在自身车辆V的前方行驶的其他车辆。另外，在图14A和图14B 中，D(i)、DS、DE以及DA表示自身车辆V距其他车辆A的距离，在自身车辆V与其他车辆A的车辆间隔D(i)变得比距离DS小时，判别为成为了用于使车辆停止的行驶场景。另外，DA表示车辆停止了时的自身车辆V与其他车辆A的车辆间隔。

在图14A中，从自身车辆V向前方延伸的实线P表示不进行自动驾驶而持续进行手动驾驶时或者由驾驶员操作制动器踏板而从自动驾驶模式切换成了手动驾驶模式时的车辆行驶路线。即，表示根据驾驶员的驾驶特性使车辆行驶时的车辆行驶路线。在图14A中，由实线P示出了在手动驾驶模式时行驶场景成为了用于使车辆停止的行驶场景时的自身车辆V的速度v的变化。

在图14A中，在自身车辆V与其他车辆A的车辆间隔D(i)比距离 DS大时进行了自身车辆V的停止动作的情况下，判别为该停止动作是单纯的停止动作，而不是用于在自身车辆V的前方行驶的其他车辆A停止了时跟随其他车辆A而停止的行驶场景。即，判别为此时的自身车辆V的停止动作不属于用于在自身车辆V的前方行驶的其他车辆A停止了时跟随其他车辆A而停止的行驶场景。因此，此时不进行车辆行驶路线P的学习。与此相对，若在自身车辆V与其他车辆A的车辆间隔D(i)比距离DS 小时进行自身车辆V的停止动作，则判别为是用于在自身车辆V的前方行驶的其他车辆A停止了时跟随其他车辆A而停止的行驶场景。

另一方面，即使在自身车辆V与其他车辆A的车辆间隔D(i)比距离DE小时进行自身车辆V的停止动作，也判别为是用于在自身车辆V的前方行驶的其他车辆A停止了时跟随其他车辆A而停止的行驶场景。然而，该距离DE根据在进行了自身车辆V的停止动作时自身车辆V与其他车辆 A接触的可能性而设定，若在自身车辆V与其他车辆A的车辆间隔D(i) 变得比距离DE小时进行自身车辆V停止动作，则判别为自身车辆V与其他车辆A有可能接触。因此，此时不进行车辆行驶路线P的学习。即，判别为行驶场景是自身车辆V跟随其他车辆A而停止的行驶场景且进行车辆行驶路线P的学习是在自身车辆V与其他车辆A的车辆间隔处于距离DE 与距离DS之间时进行了自身车辆V的停止动作时。

因此，在图14A所示的情况下，关于自身车辆V开始停止动作时的自身车辆V与其他车辆A的车辆间隔D(i)，也将距离DE与距离DS之间称作学习允许范围，因此，在本发明中，判别为行驶场景是自身车辆V跟随其他车辆A而停止的行驶场景且进行车辆行驶路线P的学习是在自身车辆V开始停止动作时的自身车辆V与其他车辆A的车辆间隔D(i)处于学习允许范围内时。图14A示出了自身车辆V开始停止动作时的自身车辆 V与其他车辆A的车辆间隔处于距离DE与距离DS之间即处于学习允许范围内的情况。因此，此时判别为行驶场景是自身车辆V跟随其他车辆A 而停止的行驶场景，且进行车辆行驶路线P的学习。图14A示出了此时进行的车辆行驶路线P的学习方法的一例。

在图14A所示的情况下，也在进行手动驾驶的期间持续存储每Δt时间的自身车辆V与其他车辆A的车辆间隔D(i)、自身车辆V的位置(v (i)、θ(i))以及自身车辆V的行驶状态(v(i)、θ(i))。另一方面，在进行手动驾驶的期间，始终由行驶场景判别部17基于由外部传感器1 检测到的自身车辆的周边信息来监视车辆的行驶场景。在该情况下，例如，在由行驶场景判别部17判别为自身车辆V跟随其他车辆A而停止并且此时自身车辆V开始停止动作时的自身车辆V与其他车辆A的车辆间隔D (i)比图14A所示的距离DS短的情况下，由行驶场景判别部17判别为行驶场景是自身车辆V跟随其他车辆A而停止的行驶场景。

在由行驶场景判别部17判别为行驶场景是自身车辆V跟随其他车辆 A而停止的行驶场景时，例如如图14A所示，将自身车辆V与其他车辆A 的车辆间隔D(i)成为了距离DS时设为时刻t＝0，重新存储在时刻t＝0 时存储的自身车辆V的位置(x(i)、y(i))作为自身车辆V的位置(x (0)、y(0))，重新存储在时刻t＝0时存储的自身车辆V的行驶状态(v (i)、θ(i))作为行驶状态(v(0)、θ(0))。在该情况下，关于自身车辆V的位置，将在存储装置5所存储的道路地图上时刻t＝0的车辆的行进方向设为y坐标，将在存储装置5所存储的道路地图上与车辆的行进方向正交的方向设为x坐标。

同样，重新存储从时刻t＝0经过Δt时间后(t＝Δt)的自身车辆V的位置和自身车辆V的行驶状态分别作为(x(1)、y(1))和(v(1)、θ (1))，重新存储从时刻t＝0再经过Δt时间后即从时刻t＝0经过2Δt时间后(t＝2Δt)的自身车辆V的位置和自身车辆V的行驶状态分别作为(x (2)、y(2))和(v(2)、θ(2))。同样，直到到达自身车辆V与其他车辆A的车辆间隔D(i)成为图14A所示的距离DA为止，即直到到达判别为车辆停止了的时刻(t＝nΔt)为止，依次重新存储从时刻t＝0经过i Δt时间后(t＝iΔt)的自身车辆V的位置和自身车辆V的行驶状态分别作为(x(i)、y(i))和(v(i)、θ(i))。

在到达了判别为车辆停止了的时刻(t＝nΔt)时，根据所存储的自身车辆V与其他车辆A的车辆间隔D(i)和重新存储的自身车辆V的位置 (x(i)、y(i))，判别自身车辆V开始停止动作时的自身车辆V与其他车辆A的车辆间隔D(i)是否处于距离DE与距离DS之间即处于学习允许范围内。在判别为自身车辆V开始停止动作时的自身车辆V与其他车辆A 的车辆间隔D(i)不在学习允许范围内的情况下，删除车辆间隔D(i)、自身车辆V的位置(x(i)、y(i))和自身车辆V的行驶状态(v(i)、θ (i))的存储，此时不进行车辆行驶路线P的学习。即，此时不采用车辆行驶路线P作为表示处于用于使自身车辆V跟随其他车辆A而停止的行驶场景时的驾驶员的驾驶特性的特定车辆行驶路线。

与此相对，在判别为自身车辆V开始停止动作时的自身车辆V与其他车辆A的车辆间隔D(i)处于学习允许范围内的情况下，存储此时的车辆行驶路线作为表示处于用于使自身车辆V跟随其他车辆A而停止的行驶场景时的驾驶员的驾驶特性的特定车辆行驶路线P。即，此时进行车辆行驶路线的学习，采用车辆行驶路线P作为表示处于用于使自身车辆V跟随其他车辆A而停止的行驶场景时的驾驶员的驾驶特性的特定车辆行驶路线。此外，此时，该特定车辆行驶路线P以表示各时刻t＝iΔt的自身车辆V的位置(x(i)、y(i))和自身车辆V的行驶状态(x(i)、y(i))的数据的形式存储。

图14B示出了在自动驾驶模式时判别为行驶场景是自身车辆V跟随其他车辆A而停止的行驶场景的情况下的车辆行驶路线的决定方法。即，如前所述，在本发明中，基于由外部传感器1检测到的车辆的周边信息和地图信息，生成表示自身车辆V的速度v和行进方向θ的时间变化的多条车辆行驶路线，在自动驾驶模式时判别为行驶场景是自身车辆V跟随其他车辆A而停止的行驶场景的情况下生成的多条车辆行驶路线在图14B中由 PO1、PO2、PO3表示。

在该情况下，以往，如前所述，在自动驾驶模式时，与驾驶员的驾驶特性无关地从该多条车辆行驶路线PO1、PO2、PO3选择能够在遵守法规的同时安全地以最短时间到达目的地的一条车辆行驶路线POX，并使自身车辆沿着该选择出的车辆行驶路线POX自动行驶。换言之，以往，在自动驾驶模式时，与驾驶员的驾驶特性无关地由行驶计划生成部14从多条车辆行驶路线PO1、PO2、PO3中决定出一条车辆行驶路线POX，并使自身车辆沿着该决定出的车辆行驶路线POX自动行驶。此时的车辆行驶路线 POX和车速v在图14A中由虚线表示。然而，在使自身车辆沿着这样选择出的车辆行驶路线POX自动行驶的情况下，该选择出的车辆行驶路线 POX往往会不同于与驾驶员的驾驶特性相应的车辆行驶路线，在选择出的车辆行驶路线POX不同于与驾驶员的驾驶特性相应的车辆行驶路线的情况下，会给驾驶员带来违和感。

于是，在本发明中，在自动驾驶模式时，从该多条车辆行驶路线PO1、 PO2、PO3中选择相比于与驾驶员的驾驶特性无关地由行驶计划生成部14 决定出的一条车辆行驶路线POX更接近表示驾驶员的驾驶特性的特定车辆行驶路线的车辆行驶路线，使自身车辆V沿着选择出的车辆行驶路线自动行驶。即，在图14A中，若假设表示驾驶员的驾驶特性的特定学习行驶路线由P表示，则在本发明中，在图14A中，在自动驾驶模式时，从图 14B所示的多条车辆行驶路线PO1、PO2、PO3中选择相比于与驾驶员的驾驶特性无关地由行驶计划生成部14决定的一条车辆行驶路线POX更接近表示驾驶员的驾驶特性的特定车辆行驶路线P的车辆行驶路线，使自身车辆V沿着选择出的车辆行驶路线自动行驶。

此外，在图14B中，车辆行驶路线PO1、PO2、PO3表示在自身车辆 V与其他车辆A的车辆间隔成为了距离DS时生成也就是在图14A中在时刻t＝0时生成的车辆行驶路线。接着，作为一例，对在自动驾驶模式时从多条车辆行驶路线PO1、PO2、PO3中选择最接近表示驾驶员的驾驶特性的特定车辆行驶路线P的车辆行驶路线的情况进行说明。

如前所述，当算出图14A所示的特定车辆行驶路线P和图14B所示的任一车辆行驶路线PO的各时刻的x坐标的值x(i)之差的平方与各时刻的y坐标的值y(i)之差的平方的总和后，该总和越小，则两条车辆行驶路线P、PO越接近。于是，在该情况下，也针对图14A所示的特定车辆行驶路线P和图14B所示的车辆行驶路线PO1算出上述总和，接着针对图14A所示的特定车辆行驶路线P和图14B所示的车辆行驶路线PO2算出上述总和，接着针对图14A所示的特定车辆行驶路线P和图14B所示的车辆行驶路线PO3算出上述总和，选择针对车辆行驶路线P和车辆行驶路线PO1、PO2、PO3算出总和中总和最小的车辆行驶路线PO2，作为表示驾驶员的驾驶特性的特定学习行驶路线。

以这样的方式选择最接近表示驾驶员的驾驶特性的特定学习行驶路线 P的车辆行驶路线PO2作为学习行驶路线，并使自身车辆V沿着该选择出的学习行驶路线自动行驶。因此，即使使自身车辆V进行自动行驶，也会进行与驾驶员的驾驶特性相应的车辆的行驶，其结果，不会给驾驶员带来违和感。

这样，在本发明中，如图15A的用于说明自动驾驶装置的结构的功能的框图所示，具备外部传感器1、存储装置5以及电子控制单元10，外部传感器1检测自身车辆V的周边信息，存储装置5存储有地图信息，电子控制单元10具备：行驶计划生成部14，其基于由外部传感器1检测到的自身车辆V的周边信息和存储于存储装置5的地图信息，生成表示自身车辆V的速度和行进方向的时间变化的多条车辆行驶路线，并且从该多条车辆行驶路线中决定出一条车辆行驶路线；行驶场景判别部17，其基于由外部传感器1检测到的自身车辆V的周边信息，判别自身车辆V的行驶场景；驾驶模式切换部18，其将自身车辆V的驾驶模式切换为按照驾驶员的操作进行行驶的手动驾驶模式和在没有驾驶员的操作的情况下进行行驶的自动驾驶模式中的任一方；以及存储部16，其将手动驾驶模式时的预先设定的行驶场景下的自身车辆的行驶路线作为表示预先设定的行驶场景下的驾驶员的驾驶特性的特定车辆行驶路线而存储。行驶计划生成部14，在自动驾驶模式时，在行驶场景成为了存储有特定车辆行驶路线的行驶场景的情况下，从多条车辆行驶路线中选择相比于与驾驶员的驾驶特性无关地由行驶计划生成部14决定出的一条车辆行驶路线也就是相比于在没有存储特定车辆行驶路线时由行驶计划生成部14决定出的一条车辆行驶路线更接近特定车辆行驶路线的车辆行驶路线，并使自身车辆沿着选择出的车辆行驶路线自动行驶。

此外，在本发明的实施例中，上述预先设定的行驶场景是自身车辆V 在接近了在自身车辆V的前方行驶的其他车辆A时变更车道而赶超其他车辆A的行驶场景。另外，在本发明的实施例中，上述预先设定的行驶场景是在自身车辆V的前方行驶的其他车辆A停止了时自身车辆V跟随其他车辆A而停止的行驶场景。

而且，在本发明的实施例中，如图15B的用于说明自动驾驶装置的结构的功能的框图所示，还具备学习允许判别部19，该学习允许判别部19 在手动驾驶模式时，判别自身车辆V的行驶路线是否处于根据行驶场景而预先设定的学习允许范围内，在由学习允许判别部19判别为自身车辆V 的行驶路线处于与行驶场景相应的学习允许范围内时，采用自身车辆V的行驶路线作为行驶场景下的特定车辆行驶路线，在由学习允许判别部19 判别为自身车辆V的行驶路线不处于与行驶场景相应的学习允许范围内时，不采用自身车辆V的行驶路线作为特定车辆行驶路线。

另外，在本发明的实施例中，预先设定有多个不同的车辆的行驶场景，学习允许范围针对自身车辆V的各行驶场景而分别设定。在该情况下，在行驶场景是自身车辆V在接近了在自身车辆V的前方行驶的其他车辆A 时变更车道而赶超其他车辆的行驶场景的情况下，学习允许范围是关于自身车辆V开始变更车道时的自身车辆V与其他车辆A的车辆间隔的范围，在行驶场景是在自身车辆V的前方行驶的其他车辆A停止了时自身车辆V 跟随其他车辆而停止的行驶场景的情况下，学习允许范围是关于自身车辆 V开始进行车辆停止动作时的自身车辆V与其他车辆A的车辆间隔的范围。

如前所述，在判别为行驶场景是赶超车辆的行驶场景时，如图10A所示，在自身车辆V开始变更车道时的自身车辆V与其他车辆A的车辆间隔处于距离DE与距离DS之间即处于学习允许范围内、且自身车辆V向行驶单行道R2变更车道之后的行驶单行道R2内的自身车辆V的位置处于分界线HO与分界线HI之间即处于学习允许范围内的情况下，进行车辆行驶路线P的学习。在该情况下，这些学习允许范围根据自身车辆V的速度、自身车辆V与其他车辆A的速度差ΔV、视野的程度、天气、路面的状态而变化。

例如，自身车辆V开始变更车道时的自身车辆V与其他车辆A的车辆间隔DS和车辆间隔DE，在自身车辆V的速度越高时被设得越长，在自身车辆V与其他车辆A的速度差ΔV越大时被设得越长，在视野越差时被设得越长，在天气越差时被设得越长，在路面越容易打滑时被设得越长。在该情况下，车辆间隔DS通过将作为基准的车辆间隔DSO乘以与自身车辆V的速度相应的系数的值V(i)、与自身车辆V和其他车辆A的速度差ΔV相应的系数的值ΔV(i)、与视野的恶劣程度相应的系数的值F(i)、与天气的恶劣长度相应的系数的值C(i)、与路面容易打滑的程度相应的系数的值R(i)而算出(DS＝DSO·V(i)·ΔV(i)·F(i)·C(i)·R(i))。同样，车辆间隔DE也通过将作为基准的车辆间隔DEO乘以与自身车辆V 的速度相应的系数的值V(i)、与自身车辆V和其他车辆A的速度差ΔV 相应的系数的值ΔV(i)、与视野的恶劣程度相应的系数的值F(i)、与天气的恶劣程度相应的系数的值C(i)、与路面容易打滑的程度相应的系数的值R(i)而算出(DE＝DEO·V(i)·ΔV(i)·F(i)·C(i)·R(i))。

这些系数的值V(i)、ΔV(i)、F(i)、C(i)、R(i)如图16A所示那样预先设定，并存储在电子控制单元10的ROM内。在该情况下，各系数的值V(i)、ΔV(i)、F(i)、C(i)、R(i)在图16A中从左侧朝向右侧阶段性地一点一点变大，自身车辆V的速度越高，自身车辆V与其他车辆A的速度差ΔV越大，视野越差，天气越差，路面越容易打滑，则使用在图16A中越靠右侧的系数的值。举出一例，在自身车辆V的速度处于 0Km至5Km之间时，使用系数值V(1)，在自身车辆V的速度处于5Km 至10Km之间时，使用系数值V(2)，在自身车辆V的速度处于10Km至 15Km之间时，使用系数值V(3)。此外，图16A示出了行驶场景是赶超车辆的行驶场景1的情况下的各系数的值V(i)、ΔV(i)、F(i)、C(i)、 R(i)。

另一方面，如前所述，在判别为行驶场景是自身车辆V跟随其他车辆 A而停止的行驶场景时，如图14A所示，在自身车辆V开始停止动作时的自身车辆V与其他车辆A的车辆间隔处于距离DE与距离DS之间即处于学习允许范围内的情况下，进行车辆行驶路线P的学习。在该情况下，该学习允许范围根据自身车辆V的速度、视野的程度、天气、路面的状态而变化。

例如，在该情况下，自身车辆V开始停止动作时的自身车辆V与其他车辆A的车辆间隔DS和车辆间隔DE也在自身车辆V的速度越高时被设得越长，在视野越差时被设得越长，在天气越差时被设得越长，在路面越容易打滑时被设得越长。在该情况下，车辆间隔DS通过将作为基准的车辆间隔DSO乘以与自身车辆V的速度相应的系数的值V(i)、与视野恶劣程度相应的系数的值F(i)、与天气的恶劣程度相应的系数的值C(i)、与路面容易打滑程度相应的系数的值R(i)而算出(DS＝DSO·V(i)·F(i)·C (i)·R(i))。同样，车辆间隔DE也通过将作为基准的车辆间隔DEO乘以与自身车辆V的速度相应的系数的值V(i)、与视野恶劣程度相应的系数的值F(i)、与天气的恶劣程度相应的系数的值C(i)、与路面容易打滑程度相应的系数的值R(i)而算出(DE＝DEO·V(i)·F(i)·C(i)·R(i))。

这些系数的值V(i)、F(i)、C(i)、R(i)如图16B所示那样预先设定，并存储在电子控制单元10的ROM内。在该情况下，各系数的值V (i)、F(i)、C(i)、R(i)在图16B中从左侧朝向右侧一点一点变大，自身车辆V的速度越高，视野越差，天气越差，路面越容易打滑，则使用在图16B中越靠右侧的系数的值。此外，图16B示出了行驶场景是跟随其他车辆A而停止的行驶场景2的情况下的各系数的值V(i)、F(i)、C(i)、 R(i)。另外，为了这样使学习允许范围根据自身车辆V的速度、自身车辆V与其他车辆A的速度差ΔV、视野的程度、天气、路面的状态而变化，例如，外部传感器1具备用于检测视野的程度、天气以及路面的状态的传感器。

图17、图18A以及图18B示出了用于执行本发明的行驶计划的生成例程。该行驶计划的生成例程反复执行。

参照图17，首先，在步骤50中，基于由GPS接收部2接收到的自身车辆V的位置信息，由车辆位置识别部11识别自身车辆V的位置。接着，在步骤51中，根据外部传感器1的检测结果，由外部状况识别部12识别自身车辆V的外部状况和自身车辆V的准确的位置。接着，在步骤52中，根据内部传感器3的检测结果，由行驶状态识别部13识别自身车辆V的行驶状态。

接着，在步骤53中，判别是否处于自动驾驶模式，即是否正在进行自动驾驶。在没在进行自动驾驶时，即在处于手动驾驶模式时，进入步骤56。另一方面，在步骤53中判别为正在进行自动驾驶时，进入步骤54，判别是否由于例如在自动行驶期间进行了方向盘和/或加速器踏板的操作而产生了从自动驾驶模式向手动驾驶模式的驾驶切换要求。在判别为产生了从自动驾驶模式向手动驾驶模式的驾驶切换要求时，进入步骤55，从自动驾驶模式切换为手动驾驶模式。接着，进入步骤56。因此，进入步骤56是在处于手动驾驶模式时即正在进行手动驾驶时。

在步骤56中，算出各行驶场景下的与自身车辆V的速度、自身车辆 V和其他车辆A的速度差ΔV、视野的程度、天气、路面的状态相应的学习允许范围。例如，对于赶超车辆的行驶场景，基于图16A算出自身车辆 V开始变更车道时的自身车辆V与其他车辆A的车辆间隔DS和车辆间隔 DE。即，车辆间隔DS通过将作为基准的车辆间隔DSO乘以图16A所示的各系数的值V(i)、ΔV(i)、F(i)、C(i)、R(i)而算出(DS＝DSO·V (i)·ΔV(i)·F(i)·C(i)·R(i))，且车辆间隔DE也通过将作为基准的车辆间隔DEO乘以图16A所示的各系数的值V(i)、ΔV(i)、F(i)、 C(i)、R(i)而算出(DE＝DEO·V(i)·ΔV(i)·F(i)·C(i)·R(i))。

另一方面，对于自身车辆V跟随其他车辆A而停止的行驶场景，基于图16B算出自身车辆V开始停止动作时的自身车辆V与其他车辆A的车辆间隔DS和车辆间隔DE。即，车辆间隔DS通过将作为基准的车辆间隔 DSO乘以图16B所示的各系数的值V(i)、F(i)、C(i)、R(i)而算出 (DS＝DSO·V(i)·F(i)·C(i)·R(i))，且车辆间隔DE也通过将作为基准的车辆间隔DEO乘以图16B所示的各系数的值V(i)、F(i)、C(i)、 R(i)而算出(DE＝DEO·V(i)·F(i)·C(i)·R(i))。

接着，在步骤57中，基于在步骤56中算出的车辆间隔DS，判别行驶场景是否是预先设定的任一行驶场景。在判别为行驶场景不属于预先设定的任一行驶场景时，完成处理循环。与此相对，在判别为行驶场景属于预先设定的任一场景时，进入步骤58，求出车辆行驶路线。如前所述，此时，车辆行驶路线以表示各时刻t＝iΔt的自身车辆V的位置(x(i)、y(i)) 和自身车辆V的行驶状态(x(i)、y(i))的数据的形式存储。

接着，在图18A的步骤59中，判别该手动驾驶时的车辆行驶路线是否处于所属的行驶场景下的学习允许范围内。在判别为手动驾驶时的车辆行驶路线不处于学习允许范围内时，删除表示自身车辆V的位置(x(i)、 y(i))和自身车辆V的行驶状态(x(i)、y(i))的数据。与此相对，在判别为手动驾驶时的车辆行驶处于学习允许范围内时，进入图18A的步骤 60，持续存储表示自身车辆V的位置(x(i)、y(i))和自身车辆V的行驶状态(x(i)、y(i))的数据，作为与学习允许范围对应的系数值为V (i)、ΔV(i)、F(i)、C(i)、R(i)时(例如，与学习允许范围对应的系数值为V(8)、ΔV(5)、F(2)、C(3)、R(2)时)的与驾驶员的驾驶特性相应的特定车辆行驶路线P。

另一方面，在步骤54中判别为未产生从自动驾驶模式向手动驾驶模式的驾驶切换要求时即正在进行自动驾驶时，进入步骤61，基于根据外部传感器1的检测结果得到的自身车辆的周边信息，判别车辆的行驶场景是何种行驶场景，并决定车辆的行驶场景是何种行驶场景。接着，在步骤62 中，生成如图13A或图14B所示的表示自身车辆V的速度v和行进方向θ的时间变化的多条车辆行驶路线PO1、PO2、PO3、PO4。

接着，在步骤63中，判别在步骤61中决定出的行驶场景是否是预先设定的任一行驶场景。在判别为行驶场景不属于预先设定的任一行驶场景时，进入步骤68，从多条车辆行驶路线PO1、PO2、PO3、PO4中选择能够在遵守法规的同时安全地以最短时间到达目的地的一条车辆行驶路线。在该情况下，使自身车辆V沿着该选择出的车辆行驶路线自动行驶。

与此相对，在步骤63中判别为行驶场景属于预先设定的任一行驶场景时，进入步骤64，检测当前的自身车辆V的速度、自身车辆V与其他车辆A的速度差ΔV、视野的程度、天气、路面的状态，例如求出与当前的自身车辆V的速度、自身车辆V与其他车辆A的速度差ΔV、视野的程度、天气、路面的状态相应的学习允许范围的系数值V(i)、ΔV(i)、F(i)、 C(i)、R(i)。接着，在步骤65中，针对在步骤61中决定出的行驶场景，判别是否存储有当前的自身车辆V的速度、自身车辆V与其他车辆A的速度差ΔV、视野的程度、天气、路面的状态下的手动驾驶时的车辆行驶路线P(例如，学习允许范围的系数值为V(i)、ΔV(i)、F(i)、C(i)、 R(i)时的手动驾驶时的车辆行驶路线P)，作为表示驾驶员的驾驶特性的特定车辆行驶路线。

在针对在步骤61中决定出的行驶场景判别为没有存储当前的自身车辆V的速度、自身车辆V与其他车辆A的速度差ΔV、视野的程度、天气、路面的状态下的手动驾驶时的车辆行驶路线P作为表示驾驶员的驾驶特性的特定车辆行驶路线时，进入步骤68，从多条车辆行驶路线PO1、PO2、 PO3、PO4中选择能够在遵守法规的同时安全地以最短时间到达目的地的一条车辆行驶路线。在该情况下，使自身车辆V沿着该选择出的车辆行驶路线自动行驶。

与此相对，在步骤65中针对在步骤61中决定出的行驶场景判别为存储有当前的自身车辆V的速度、自身车辆V与其他车辆A的速度差ΔV、视野的程度、天气、路面的状态下的手动驾驶时的车辆行驶路线P(例如，学习允许范围的系数值为V(i)、ΔV(i)、F(i)、C(i)、R(i)时的手动驾驶时的车辆行驶路线P)作为表示驾驶员的驾驶特性的特定车辆行驶路线时，进入步骤66，在步骤62中，从生成的多条车辆行驶路线PO1、 PO2、PO3、PO4中例如选定最接近所存储的特定车辆行驶路线P的车辆行驶路线。接着，在步骤67中，将该选定的车辆行驶路线决定为表示驾驶员的驾驶特性的特定车辆行驶路线，使自身车辆V沿着该决定出的表示驾驶员的驾驶特性的特定车辆行驶路线自动行驶。

图18B示出了图18A所示的例程部分的变形例。在图18B所示的变形例中，在步骤59中判别为手动驾驶时的车辆行驶不处于学习允许范围内时，也删除表示自身车辆V的位置(x(i)、y(i))和自身车辆V的行驶状态(x(i)、y(i))的数据。另一方面，在步骤59中判别为手动驾驶时的车辆行驶处于学习允许范围内时，进入步骤60a，如参照图12B所说明那样，从手动驾驶时的多条车辆行驶路线中算出发生密度最高的车辆行驶路线P。接着，在步骤60b中，选择该发生密度最高的学习行驶路线P作为表示学习允许范围的系数值为V(i)、ΔV(i)、F(i)、C(i)、R(i) 时的驾驶员的驾驶特性的特定车辆行驶路线，存储表示该发生密度最高的车辆行驶路线P的自身车辆V的位置(x(i)、y(i))和自身车辆V的行驶状态(x(i)、y(i))的数据。

标号说明

1：外部传感器

2：GPS接收部

3：内部传感器

4：地图数据库

5：存储装置

10：电子控制单元

11：车辆位置识别部

12：外部状况识别部

13：行驶状态识别部

14：行驶计划生成部

15：行驶控制部

16：存储部