JP7773685B2

JP7773685B2 - Non-robot car, robot car, road traffic system, vehicle sharing system, robot car training system, and robot car training method

Info

Publication number: JP7773685B2
Application number: JP2017543533A
Authority: JP
Inventors: 謙治佐藤
Original assignee: Hatsumeiya KK
Current assignee: Hatsumeiya KK
Priority date: 2015-10-01
Filing date: 2016-09-29
Publication date: 2025-11-20
Anticipated expiration: 2036-09-29
Also published as: WO2017057528A1; JP2024170579A; JPWO2017057528A1

Description

本発明は、ヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカー、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカー、及び非ロボットカーやロボットカーが道路を走行する道路交通システムに関するものである。
本発明は、車両を複数の利用者によって共用する車両共用システムに関するものである。
本発明は、ロボットカーの自動運転性能を向上させるためのロボットカー教習システム及びロボットカー教習方法に関するものである。 The present invention relates to a non-robotic car with a driving assistance control function that assists a human driver in driving, a robotic car that is driven by automatic driving control instead of by a human driver, and a road traffic system in which non-robotic cars and robotic cars travel on roads.
The present invention relates to a vehicle sharing system in which a vehicle is shared by a plurality of users.
The present invention relates to a robot car training system and a robot car training method for improving the autonomous driving performance of a robot car.

自動車の自動運転制御技術は数多く提案されている（特許文献１－１３、非特許文献１－４）。
車両共用システムに関する技術は数多く提案されている（特許文献１４－２６、非特許文献１－４）。これらの技術には、レンタカーサービス、カーシェアリングサービス、タクシーサービス、等に関する技術が含まれる。
車両共用システムにおいて使用される車両には、運転支援システムを搭載した車両や自動運転機能を有する車両が含まれる（特許文献１－１３）。
これらの技術の中には、運転操作の機械学習に関するものがある（特許文献２７－４４）。 Many technologies for controlling automatic driving of automobiles have been proposed (Patent Documents 1-13, Non-Patent Documents 1-4).
Many technologies related to vehicle sharing systems have been proposed (Patent Documents 14-26, Non-Patent Documents 1-4). These technologies include technologies related to rental car services, car sharing services, taxi services, etc.
Vehicles used in shared vehicle systems include vehicles equipped with driving assistance systems and vehicles with automatic driving functions (Patent Documents 1-13).
Among these technologies are those related to machine learning of driving operations (Patent Documents 27-44).

特開２０１５－０８７９２８Patent Publication No. 2015-087928 特開２０１４－１５３３１７Patent Publication No. 2014-153317 特開２０１４－１２３２３２Patent Publication No. 2014-123232 特開２０１４－１０２８０２Patent Publication No. 2014-102802 特開２０１４－０６６５２１Patent Publication No. 2014-066521 特開２０１２－１４６２５１Patent Publication No. 2012-146251 特開２０１２－１１８９５１Patent Publication No. 2012-118951 特開２０１２－０７６６２７Patent Publication No. 2012-076627 特開２０１１－１９５０２６Patent Publication No. 2011-195026 特開２０１１－０７３５６５Patent Publication No. 2011-073565 特開２００７－３２３５９８JP 2007-323598 特開２００７－３０５６８JP 2007-30568 特開平１１－２８２５３０JP 11-282530 特開２０１５－１８４６４Patent Publication No. 2015-18464 特開２０１５－１０１３０６Patent Publication No. 2015-101306 特開２０１５－６９５８４Patent Publication No. 2015-69584 特開２０１４－２１１７７８Patent Publication No. 2014-211778 特開２０１４－４１４７５Patent Publication No. 2014-41475 特開２０１３－２４２８１８Patent Publication No. 2013-242818 特開２０１２－１２８０１９Patent Publication No. 2012-128019 特開２０１２－４８３０８Patent Publication No. 2012-48308 特開２０１２－４３１６７Patent Publication No. 2012-43167 特開２０１２－０７６６２７Patent Publication No. 2012-076627 特開２０１１－１８０８２７Patent Publication No. 2011-180827 特開２００８－２９３２５３JP 2008-293253 特開平１１－３１３４１０JP 11-313410 特開２０１５－１５７５６９Patent Publication No. 2015-157569 特開２０１５－１１０４０３Patent Publication No. 2015-110403 特開２０１５－８９８０１Patent Publication No. 2015-89801 特開２０１５－６７１５４Patent Publication No. 2015-67154 特開２０１５－５４５８０Patent Publication No. 2015-54580 特開２０１４－６５３９２Patent Publication No. 2014-65392 特開２０１３－２４９００２Patent Publication No. 2013-249002 特開２０１２－１０８６５３Patent Publication No. 2012-108653 特開２０１１－０７３５６５Patent Publication No. 2011-073565 特開２０１０－１３４８６５Patent Publication No. 2010-134865 特開２００８－２９８４７５Patent Publication No. 2008-298475 特開２００８－０１８８７２JP 2008-018872 特開２００６－１１３８３６JP 2006-113836 特開２００１－００５９７９JP 2001-005979 特開平１０－３３８０５７JP 10-338057 A 再表２０１２／０７７２０４Re-table 2012/077204 ＷＯ２０１３／０３４３３８WO2013/034338 ＷＯ２０１２／０７３３５９WO2012/073359

ロボットタクシー株式会社ホームページ http://robottaxi.com/Robot Taxi Inc. website: http://robottaxi.com/ Google 自動運転車計画 http://www.google.com/selfdrivingcar/Google Self-Driving Car Project http://www.google.com/selfdrivingcar/ Google vs トヨタ「自動運転車」は始まりにすぎない(角川EPUB選書) KADOKAWA/中経出版(2014/12/10)Google vs. Toyota: "Self-Driving Cars" Are Just the Beginning (Kadokawa EPUB Selection) KADOKAWA/Chukei Publishing (December 10, 2014) Uberホームページ http://uber.com/Uber homepage http://uber.com/

従来の自動車における機械学習は、自車両のヒューマンドライバ（人間）の運転行動を学習し、その学習結果を自車両の自動運転制御に反映させることにより自動運転性能を向上させるものである。
このため、従来の自動車における機械学習は、ロボットカーすなわち、ヒューマンドライバによる運転操作なしで自律走行する車両には適用することができない。また、自車両が未経験（すなわち未学習）の状況下では、当該車両は初期値の運転性能しか発揮し得ない。 Conventional machine learning in automobiles involves learning the driving behavior of the vehicle's human driver and reflecting the learning results in the vehicle's autonomous driving control, thereby improving autonomous driving performance.
For this reason, conventional machine learning for automobiles cannot be applied to robot cars, i.e., vehicles that run autonomously without human driver control. Furthermore, when a vehicle is in an inexperienced (i.e., unlearned) situation, the vehicle can only demonstrate its initial driving performance.

本発明が解決しようとする課題は、次の通りである。
（１）自車両の経験のみならず他車両の経験も活用して運転支援性能を向上させ得る非ロボットカーを提供する。
（２）自車両の経験のみならず他車両の経験も活用して自動運転性能を向上させ得るロボットカーを提供する。
（３）非ロボットカーの運転支援性能やロボットカーの自動運転性能を向上させ得る道路交通システムを提供する。
（４）各車両が自車両の経験のみならず他車両の経験も活用して運転性能を向上させ得る車両共用システムを提供する。
（５）ロボットカーにヒューマンドライバの運転行動を学習させることによりロボットカーの自動運転性能を向上させることができるロボットカー教習システム及びロボットカー教習方法を提供する。 The problems that the present invention aims to solve are as follows.
(1) To provide a non-robotic car that can improve driving assistance performance by utilizing not only the experience of its own vehicle but also the experience of other vehicles.
(2) To provide a robot car that can improve its autonomous driving performance by utilizing not only its own vehicle's experience but also the experience of other vehicles.
(3) To provide a road traffic system that can improve the driving assistance performance of non-robotic cars and the autonomous driving performance of robotic cars.
(4) To provide a vehicle sharing system in which each vehicle can improve its driving performance by utilizing not only its own experience but also the experience of other vehicles.
(5) To provide a robot car training system and a robot car training method that can improve the automatic driving performance of a robot car by having the robot car learn the driving behavior of a human driver.

［１．道路交通システムの構成とその作用］
本発明の道路交通システムには、以下の構成のシステムが含まれる。
［構成１．１］
複数の車両が道路を走行する道路交通システムであって、前記車両にはヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーが含まれ、前記非ロボットカーは、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記運転行動情報取得部により取得した運転行動情報を参照しつつ、前記走行状況認知部により認知された走行状況に基づいて運転支援制御を行う運転支援制御部と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、非ロボットカーは、他車両の運転行動情報（経験情報）を参照しつつ自車両の走行状況に基づいて運転支援制御を行う。
したがって、この道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて運転支援制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．２］
複数の車両が道路を走行する道路交通システムであって、前記車両にはヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーが含まれ、前記非ロボットカーは、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記走行状況認知部により認知された走行状況に基づいて、実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う運転支援制御部と、を有し、前記運転支援制御部は、前記実行すべき運転操作を決定する際に参照する知識情報を記憶した運転知識部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を更新する学習処理部（知識更新処理部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、非ロボットカーは、他車両の運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う。
したがって、この道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して運転支援制御を行うことができるので、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．３］
複数の車両が道路を走行する道路交通システムであって、前記車両にはヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーが含まれ、
前記非ロボットカーは、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う運転支援制御部と、を有し、前記運転支援制御部は、前記走行状況認知部により認知された走行状況に応じた運転操作を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、非ロボットカーは、他車両の運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように運転支援制御を行う。
したがって、この道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して運転支援制御を行うことができるので、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．４］
複数の車両が道路を走行する道路交通システムであって、前記車両にはヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが含まれ、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記運転行動情報取得部により取得した運転行動情報を参照しつつ、前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、ロボットカーは、他車両の運転行動情報（経験情報）を参照しつつ自車両の走行状況に基づいて自動運転制御を行う。
したがって、この道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．５］
複数の車両が道路を走行する道路交通システムであって、前記車両にはヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが含まれ、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記走行状況認知部により認知された走行状況に基づいて、実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、を有し、前記自動運転制御部は、前記実行すべき運転操作を決定する際に参照する知識情報を記憶した運転知識部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を適宜更新する学習処理部（知識更新処理部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、ロボットカーは、他車両の運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う。
したがって、この道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．６］
複数の車両が道路を走行する道路交通システムであって、前記車両にはヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが含まれ、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、を有し、前記自動運転制御部は、前記走行状況認知部により認知された走行状況に応じた運転行動を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、ロボットカーは、他車両の運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように自動運転制御を行う。
したがって、この道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．７］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、１又は複数の車両から運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する運転行動情報送信機能と、を有し、前記車両には、ヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーが含まれ、前記非ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記コンピューティングシステムから他車両の運転行動情報を受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、前記走行状況認知部により認知された走行状況に基づいて運転支援制御を行う運転支援制御部と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、１又は複数の車両の運転行動情報（経験情報）を受信し、当該運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する。コンピューティングシステムから運転行動情報を受信した非ロボットカーは、当該運転行動情報を参照しつつ、自車両の走行状況に基づいて運転支援制御を行う。
したがって、道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照しつつ運転支援制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．８］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、１又は複数の車両から運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する運転行動情報送信機能と、を有し、前記車両には、ヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーが含まれ、前記非ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記コンピューティングシステムから他車両の運転行動情報を受信する運転行動情報受信部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う運転支援制御部と、を有し、前記運転支援制御部は、前記運転行動を決定する際に参照する知識情報を記憶した運転知識部と、前記運転行動情報受信部により受信した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を更新する学習処理部（知識更新処理部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、１又は複数の車両の運転行動情報（経験情報）を受信し、当該運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する。コンピューティングシステムから運転行動情報を受信した非ロボットカーは、他車両の運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う。
したがって、この道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して運転支援制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．９］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、１又は複数の車両から運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する運転行動情報送信機能と、を有し、前記車両には、ヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーが含まれ、前記非ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う運転支援制御部と、を有し、前記運転支援制御部は、前記走行状況認知部により認知された走行状況に応じた運転行動を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、非ロボットカーは、他車両の運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように運転支援制御を行う。
したがって、この道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して運転支援制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．１０］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、１又は複数の車両から運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する運転行動情報送信機能と、を有し、前記車両には、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが含まれ、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報から前記コンピューティングシステムから受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、１又は複数の車両の運転行動情報（経験情報）を受信し、当該運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する。コンピューティングシステムから運転行動情報を受信したロボットカーは、当該運転行動情報を参照しつつ、自車両の走行状況に基づいて自動運転制御を行う。
したがって、道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照しつつ自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．１１］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、１又は複数の車両から運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する運転行動情報送信機能と、を有し、前記車両には、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが含まれ、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、を有し、前記自動運転制御部は、前記運転行動を決定する際に参照する知識情報を記憶した運転知識部と、前記運転行動情報受信部により受信した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を更新する学習処理部（知識更新処理部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、１又は複数の車両の運転行動情報（経験情報）を受信し、当該運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する。コンピューティングシステムから運転行動情報を受信したロボットカーは、他車両の運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う。
したがって、この道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．１２］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、１又は複数の車両から運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する運転行動情報送信機能と、を有し、前記車両には、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが含まれ、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記コンピューティングシステムから他車両の運転行動情報を受信する運転行動情報受信部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、を有し、前記自動運転制御部は、前記走行状況認知部により認知された走行状況に応じた運転行動を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、ロボットカーは、他車両の運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように自動運転制御を行う。
したがって、この道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．１３］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を非ロボットカーに送信する運転行動情報送信機能と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部を有し、前記非ロボットカーは、ヒューマンドライバによる運転を支援する運転支援制御機能を有する車両であって、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、前記走行状況認知部により認知された走行状況に基づいて運転支援制御を行う運転支援制御部と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報を非ロボットカーに送信する。コンピューティングシステムから運転行動情報を受信した非ロボットカーは、当該運転行動情報を参照しつつ、自車両の走行状況に基づいて運転支援制御を行う。
したがって、道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのあるロボットカーの運転行動情報を参照しつつ運転支援制御を行うことにより、当該ロボットカーと同等レベルの運転性能で当該状況に対処できる。
そして、この道路交通システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、ロボットカーの運転テクニックを非ロボットカーに学習させて、非ロボットカーの運転支援性能を高効率に向上させることができる。非ロボットカーの運転支援性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成１．１４］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を非ロボットカーに送信する運転行動情報送信機能と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部を有し、前記非ロボットカーは、ヒューマンドライバによる運転を支援する運転支援制御機能を有する車両であって、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う運転支援制御部と、を有し、前記運転支援制御部は、前記運転行動を決定する際に参照する知識情報（判断基準等）を記憶した運転知識部と、前記運転行動情報受信部により受信した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を更新する学習処理部（知識更新処理部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報を非ロボットカーに送信する。コンピューティングシステムから運転行動情報を受信した非ロボットカーは、ロボットカーの運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う。
したがって、この道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのあるロボットカーの運転行動を学習して運転支援制御を行うことにより、当該ロボットカーと同等レベルの運転性能で当該状況に対処できる。
そして、この道路交通システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、ロボットカーの運転テクニックを非ロボットカーに学習させて、非ロボットカーの運転支援性能を高効率に向上させることができる。非ロボットカーの運転支援性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成１．１５］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を非ロボットカーに送信する運転行動情報送信機能と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部を有し、前記非ロボットカーは、ヒューマンドライバによる運転を支援する運転支援制御機能を有する車両であって、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う運転支援制御部と、を有し、前記運転支援制御部は、前記走行状況認知部により認知された走行状況に応じた運転行動を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、非ロボットカーは、ロボットカーの運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、自車両の走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように運転支援制御を行う。
したがって、この道路交通システムによれば、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのあるロボットカーの運転行動を学習して運転支援制御を行うことにより、当該ロボットカーと同等レベルの運転性能で当該状況に対処できる。
そして、この道路交通システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、ロボットカーの運転テクニックを非ロボットカーに学習させて、非ロボットカーの運転支援性能を高効率に向上させることができる。非ロボットカーの運転支援性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成１．１６］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、非ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報をロボットカーに送信する運転行動情報送信機能と、を有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、
自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、非ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報をロボットカーに送信する。コンピューティングシステムから運転行動情報を受信したロボットカーは、当該運転行動情報を参照しつつ、自車両の走行状況に基づいて自動運転制御を行う。
したがって、この道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある非ロボットカーの運転行動情報を参照しつつ自動運転制御を行うことにより、当該非ロボットカーと同等レベルの運転性能で当該状況に対処できる。
そして、この道路交通システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、非ロボットカーを運転するヒューマンドライバの運転テクニックをロボットカーに学習させて、ロボットカーの自動運転性能を高効率に向上させることができる。ロボットカーの自動運転性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成１．１７］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、非ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報をロボットカーに送信する運転行動情報送信機能と、を有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、を有し、前記自動運転制御部は、前記運転行動を決定する際に参照する知識情報を記憶した運転知識部と、前記運転行動情報受信部により受信した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を更新する学習処理部と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、非ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報をロボットカーに送信する。コンピューティングシステムから運転行動情報を受信したロボットカーは、非ロボットカーの運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う。
したがって、この道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある非ロボットカーの運転行動を学習して運転支援制御を行うことにより、当該非ロボットカーと同等レベルの運転性能で当該状況に対処できる。
そして、この道路交通システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、非ロボットカーを運転するヒューマンドライバの運転テクニックをロボットカーに学習させて、ロボットカーの自動運転性能を高効率に向上させることができる。ロボットカーの自動運転性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成１．１８］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、非ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報をロボットカーに送信する運転行動情報送信機能と、を有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、を有し、前記自動運転制御部は、前記走行状況認知部により認知された走行状況に応じた運転行動を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部と、を有することを特徴とする道路交通システム。
この道路交通システムにおいては、ロボットカーは、非ロボットカーの運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、自車両の走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように自動運転制御を行う。
したがって、この道路交通システムによれば、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある非ロボットカーの運転行動を学習して運転支援制御を行うことにより、当該非ロボットカーと同等レベルの運転性能で当該状況に対処できる。
そして、この道路交通システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、非ロボットカーを運転するヒューマンドライバの運転テクニックをロボットカーに学習させて、ロボットカーの自動運転性能を高効率に向上させることができる。ロボットカーの自動運転性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成１．１９］
前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた運転行動情報である、構成１．１乃至１．６のいずれか１の道路交通システム。
［構成１．２０］
前記非ロボットカーは、自車両の運転行動情報を外部に出力する運転行動情報出力部を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた運転行動情報である、構成１．１乃至１．３のいずれか１の道路交通システム。
［構成１．２１］
前記ロボットカーは、自車両の運転行動情報を外部に出力する運転行動情報出力部を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた運転行動情報である、構成１．４乃至１．６のいずれか１の道路交通システム。
［構成１．２２］
前記非ロボットカーは、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部と、
前記走行状況認知部により認知された走行状況と前記運転操作検出部により検出された運転操作とを対応付けた運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有する構成１．１６乃至１．１８のいずれか１の道路交通システム。
［構成１．２３］
前記コンピューティングシステムは、１又は複数の車両の運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成機能と、前記最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新機能と、前記最適化された運転行動情報を１又は複数の車両に送信する運転行動情報送信機能と、を有する構成１．７乃至１．１２のいずれか１の道路交通システム。
［構成１．２４］
前記コンピューティングシステムは、ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成機能と、前記最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新機能と、前記最適化された運転行動情報を非ロボットカーに送信する運転行動情報送信機能と、を有する、構成１．１３乃至１．１５のいずれか１の道路交通システム。
［構成１．２５］
前記コンピューティングシステムは、非ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成機能と、前記最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新機能と、前記最適化された運転行動情報をロボットカーに送信する運転行動情報送信機能と、を有する、構成１．１６乃至１．１８のいずれか１の道路交通システム。
［構成１．２６］
ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが道路を走行する道路交通システムであって、コンピューティングシステムを備え、前記コンピューティングシステムは、１又は複数のロボットカーの運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数のロボットカーに送信する運転行動情報送信機能と、を有し、
前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、自車両の前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、前記走行状況認知部により認知された走行状況と自動運転制御による運転操作とを対応付けた運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記運転行動情報は、前記ロボットカーの走行状況と運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報を当該運転行動情報の送信元とは異なるロボットカーに送信する。このコンピューティングシステムから運転行動情報を受信したロボットカーは、他ロボットカーの運転行動情報を参照しつつ自車両の走行状況に基づいて自動運転制御を行う。したがって、当該ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他ロボットカーの運転行動情報を参照しつつ自車両の走行状況に応じた自動運転制御を行うことにより、当該他ロボットカーと同等レベルの運転性能で当該状況に対処できる。
この道路交通システムによれば、ロボットカー同士が運転行動情報を利用し合うことにより、道路交通システム内のロボットカーの学習効率を高めて、自動運転性能を急速に向上させることができる。道路交通システム内の全てのロボットカーの自動運転性能を急速に向上させることができるため、道路交通システム全体の運用効率、安全性、等が急速に向上する。
［構成１．２７］
ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが道路を走行する道路交通システムであって、コンピューティングシステムを備え、前記のコンピューティングシステムは、１又は複数のロボットカーの運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成機能と、前記最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新機能と、前記最適化された運転行動情報を１又は複数のロボットカーに送信する運転行動情報送信機能と、を有し、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、自車両の前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、前記走行状況認知部により認知された走行状況と自動運転制御による運転操作とを対応付けた運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記運転行動情報は、前記ロボットカーの走行状況と運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムにおいては、コンピューティングシステムは、ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報に基づいて最適化された運転行動情報を生成し、当該最適化された運転行動情報を最新の情報に更新して管理し、当該運転行動情報をロボットカーに送信する。このコンピューティングシステムから運転行動情報を受信したロボットカーは、他ロボットカーの運転行動情報を参照しつつ自車両の走行状況に基づいて自動運転制御を行う。したがって、当該ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他ロボットカーの運転行動情報に基づいて最適化された運転行動情報を参照して自動運転制御を行うことにより、当該他ロボットカーと同等レベルかそれ以上の運転性能で当該状況に対処できる。
この道路交通システムによれば、ロボットカー同士が運転行動情報を利用し合うことにより、道路交通システム内のロボットカーの学習効率を高めて、自動運転性能を急速に向上させることができる。道路交通システム内の全てのロボットカーの自動運転性能を急速に向上させることができるため、道路交通システム全体の運用効率、安全性、等が急速に向上する。
［構成１．２８］
前記最適化された運転行動情報は、前記運転行動情報の提供を受ける車両の車両属性に応じて最適化された運転行動情報、前記運転行動情報の提供を受ける車両が障害物と接触する可能性が最少になるように最適化された運転行動情報、前記運転行動情報の提供を受ける車両の消費エネルギが最少になるように最適化された運転行動情報、前記運転行動情報の提供を受ける車両の回生エネルギが最大になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における加速回数或いは加速時間が最少になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における制動回数又は制動時間が最少又は最大になるように最適化された運転行動情報、出発地点から到着地点までの走行距離が最少になるように最適化された運転行動情報、又は、出発地点から到着地点までの走行時間が最少になるように最適化された運転行動情報である、構成１．２３、１．２４、１．２５、１．２７のいずれか１の道路交通システム。
［構成１．２９］
前記最適化情報生成機能は、前記運転行動情報の提供を受ける車両の走行状況と当該車両の車両属性とに基づいて、当該車両が障害物と接触する可能性が最も小さくなるように、前記運転行動情報を修正する機能を含む、構成１．２３、１．２４、１．２５、１．２７のいずれか１の道路交通システム。
この道路交通システムにおいては、運転行動情報の提供元の車両（提供元車両）の車両属性と当該運転行動情報の提供を受ける車両（提供先車両）の車両属性が相違する場合、当該提供先車両が障害物と接触する可能性が最も小さくなるように修正された運転行動情報が当該提供先車両に提供される。
この道路交通システムによれば、運転行動情報の提供元車両と提供先車両の車両属性が相違する場合でも、車両同士が運転行動情報を参照して運転支援制御又は自動運転制御を行うことができる。
［構成１．３０］
複数の車両が道路を走行する道路交通システムであって、前記車両は、自車両の運転行動情報を他車両に提供する機能と、他車両の運転行動情報の提供を受ける機能と、他車両の運転行動情報に基づいて自車両の運転制御を行う機能と、を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた運転行動情報であり、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムの車両同士は、車両間で互いに運転行動情報（経験情報）を提供し合うことができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この道路交通システムの車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．３１］
複数の車両が道路を走行する道路交通システムであって、前記車両は、自車両と他車両との間の通信により当該他車両の運転行動情報を受け取る機能と、他車両の運転行動情報を参照して自車両の運転制御を行う機能と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムの車両は、車車間通信により他車両の運転行動情報（経験情報）を受け取ることができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この道路交通システムの車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．３２］
複数の車両が道路を走行する道路交通システムであって、前記車両は、自車両と地上静止物との間の通信により他車両の運転行動情報を受け取る機能と、他車両の運転行動情報を参照して自車両の運転制御を行う機能と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムの車両は、地上静止物との通信により他車両の運転行動情報（経験情報）を受け取ることができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この道路交通システムの車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．３３］
複数の車両が道路を走行する道路交通システムであって、前記車両は、自車両と道路との間の通信により他車両の運転行動情報を受け取る機能と、他車両の運転行動情報を参照して自車両の運転制御を行う機能と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムの車両は、路車間通信により他車両の運転行動情報（経験情報）を受け取ることができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この道路交通システムの車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．３４］
複数の車両が道路を走行する道路交通システムであって、前記車両は、自車両と携帯端末との間の通信により他車両の運転行動情報を受け取る機能と、他車両の運転行動情報を参照して自車両の運転を制御する機能と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムの車両は、携帯端末との通信により他車両の運転行動情報（経験情報）を受け取ることができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この道路交通システムの車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．３５］
複数の車両が道路を走行する道路交通システムであって、前記車両は、自車両の運転行動情報をネットワーク上のコンピューティングシステムにアップロードする機能と、他車両の運転行動情報をネットワーク上のコンピューティングシステムからダウンロードする機能と、ネットワーク上のコンピューティングシステムからダウンロードした運転行動情報に基づいて自車両の運転制御を行う機能と、を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた情報であり、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムの車両は、ネットワークを介して多数の自動車との間で運転行動情報（経験情報）を提供し合うことができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この道路交通システムの車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．３６］
複数の車両が道路を走行する道路交通システムであって、自車両の運転行動情報をネットワーク上のコンピューティングシステムにアップロードする機能と、自車両の運転行動情報と他車両の運転行動情報とに基づいて生成された運転行動情報をネットワーク上のコンピューティングシステムからダウンロードする機能と、ネットワーク上のコンピューティングシステムからダウンロードした運転行動情報を参照して自車両の運転を制御する機能と、を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた情報であり、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする道路交通システム。
この道路交通システムの車両は、自車両の運転行動情報（経験情報）をネットワーク上のコンピューティングシステムにアップロードし、自車両の運転行動情報と他車両の運転行動情報（経験情報）とに基づいて生成された運転行動情報をネットワーク上のコンピューティングシステムからダウンロードすることができる。そして、自車両の運転行動情報と他車両の運転行動情報とに基づいて生成された運転行動情報を自車両の運転制御に利用できる。したがって、この道路交通システムの車両は、自車両が未経験の状況においても、自車両の運転行動情報と当該状況を経験したことのある他車両の運転行動情報とに基づいて生成された運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルかそれ以上の運転性能で当該状況に対処できる。
［構成１．３７］
複数の複数の車両が道路を走行する道路交通システムであって、前記複数の車両にはヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが含まれ、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、自車両の周辺物体及び運転操作について学習する学習処理部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記運転行動情報取得部により取得した運転行動情報を参照しつつ自車両の前記走行状況認知部により認知された走行状況及び前記学習処理部による学習結果に基づいて自動運転制御を行う自動運転制御部と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた操作履歴情報を含む、ことを特徴とする道路交通システム。
この道路交通システムのロボットカーは、他車両の運転行動情報（経験情報）を参照しつつ自車両の走行状況及び自車両の学習結果に基づいて自動運転制御を行う。したがって、この道路交通システムの車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成１．３８］
複数の複数の車両が道路を走行する道路交通システムであって、前記複数の車両にはヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーが含まれ、前記ロボットカーは、自車両の走行状況を認知する走行状況認知部と、自車両の周辺物体及び運転操作について学習する学習処理部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記運転行動情報取得部により取得した運転行動情報を参照しつつ自車両の前記走行状況認知部により認知された走行状況及び前記学習処理部による学習結果に基づいて自動運転制御を行う自動運転制御部と、自車両の運転行動情報を外部に出力する運転行動情報出力部と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報であり、前記自車両の運転行動情報は、自車両の走行状況と自車両の自動運転制御によりなされた運転操作とを対応付けた情報である、道路交通システム。
この道路交通システムのロボットカーは、他車両の運転行動情報（経験情報）を参照しつつ自車両の走行状況及び自車両の学習結果に基づいて自動運転制御を行う。したがって、この道路交通システムのロボットカーは、未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。また、この道路交通システムのロボットカーは、自車両の運転行動情報（経験情報）を外部に出力するので、ロボットカーから出力された運転行動情報を他車両が参照して運転支援制御又は自動運転制御を行うこともできる。当該他車両は、未経験の状況においても、当該状況を経験したことのあるロボットカーの運転行動情報を参照して運転支援制御又は自動運転制御を行うことにより、当該ロボットカーと同等レベルの運転性能で当該状況に対処できる。
［構成１．３９］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、非ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報をロボットカーに送信する運転行動情報送信機能と、を有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部と、前記走行状況認知部により認知された走行状況と前記運転操作検出部により検出された運転操作とを対応付けた操作履歴情報を含む運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、自車両の周辺物体及び運転操作について学習する機械学習部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ自車両の前記走行状況認知部により認知された走行状況及び前記機械学習部による学習結果に基づいて自動運転制御を行う自動運転制御部と、を有することを特徴とする道路交通システム。
この道路交通システムのコンピューティングシステムは、非ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報をロボットカーに送信する。このコンピューティングシステムから運転行動情報を受信したロボットカーは、非ロボットカーの運転行動情報を参照しつつ自車両の走行状況及び自車両の学習結果に基づいて自動運転制御を行う。したがって、この道路交通システムのロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある非ロボットカーの運転行動情報を参照して自動運転制御を行うことにより、当該非ロボットカーと同等レベルの運転性能で当該状況に対処できる。
この道路交通システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、非ロボットカーを運転するドライバの運転テクニックをロボットカーに学習させて、ロボットカーの自動運転性能を高効率に向上させることができる。ロボットカーの自動運転性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成１．４０］
複数の車両が道路を走行する道路交通システムであって、コンピューティングシステムを有し、前記コンピューティングシステムは、非ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成機能と、前記最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新機能と、前記最適化された運転行動情報をロボットカーに送信する運転行動情報送信機能と、を有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部と、前記走行状況認知部により認知された走行状況と前記運転操作検出部により検出された運転操作とを対応付けた操作履歴情報を含む運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、自車両の周辺物体及び運転操作について学習する機械学習部と、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ自車両の前記走行状況認知部により認知された走行状況及び前記機械学習部による学習結果に基づいて自動運転制御を行う自動運転制御部と、を有することを特徴とする道路交通システム。
この道路交通システムのコンピューティングシステムは、非ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報に基づいて最適化された運転行動情報を生成し、当該最適化された運転行動情報を最新の情報に更新して管理し、当該運転行動情報をロボットカーに送信する。このコンピューティングシステムから運転行動情報を受信したロボットカーは、非ロボットカーの運転行動情報を参照しつつ自車両の走行状況及び自車両の学習結果に基づいて自動運転制御を行う。したがって、この道路交通システムのロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある非ロボットカーの運転行動情報に基づいて最適化された運転行動情報を参照して自動運転制御を行うことにより、当該非ロボットカーと同等レベルかそれ以上の運転性能で当該状況に対処できる。 [1. Structure and Function of Road Traffic System]
The road traffic system of the present invention includes a system having the following configuration.
[Configuration 1.1]
A road traffic system in which a plurality of vehicles travel on a road, the vehicles including a non-robotic car having a driving assistance control function to assist a human driver in driving, the non-robotic car having a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a driving behavior information acquisition unit that acquires driving behavior information of other vehicles, and a driving assistance control unit that performs driving assistance control based on the driving situation recognized by the driving situation recognition unit while referring to the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, non-robot cars perform driving assistance control based on the driving conditions of their own vehicles while referring to driving behavior information (empirical information) of other vehicles.
Therefore, with this road traffic system, even in situations that the non-robotic car has never experienced, it can handle the situation with the same level of driving performance as other vehicles by performing driving assistance control based on driving behavior information from other vehicles that have experienced the situation.
[Configuration 1.2]
A road traffic system in which a plurality of vehicles travel on a road, the vehicles including a non-robotic car having a driving assistance control function to assist a human driver in driving, the non-robotic car having a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a driving behavior information acquisition unit that acquires driving behavior information of other vehicles, and a driving assistance control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs driving assistance control to ensure that the driving operation is performed, the road traffic system characterized in that the driving assistance control unit has a driving knowledge unit that stores knowledge information to be referenced when determining the driving operation to be performed, and a learning processing unit (knowledge update processing unit) that updates the knowledge information stored in the driving knowledge unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, non-robotic cars perform a learning process to update knowledge information (such as criteria for determining which driving operations to perform) based on driving behavior information from other vehicles, and then refer to the knowledge information to determine driving operations appropriate to the driving conditions, and perform driving assistance control to ensure that these driving operations are carried out.
Therefore, with this road traffic system, a non-robotic car can learn the driving behavior of other vehicles that have experienced the situation and perform driving assistance control, even in situations that the vehicle itself has not experienced, and can handle the situation with driving performance at the same level as the other vehicles.
[Configuration 1.3]
A road traffic system in which a plurality of vehicles travel on a road, the vehicles including a non-robotic car having a driving assistance control function for assisting a human driver in driving the vehicle;
The non-robotic car has a driving situation recognition unit that recognizes the driving situation of its own vehicle, a driving behavior information acquisition unit that acquires driving behavior information of other vehicles, and a driving assistance control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs driving assistance control so that the driving operation is executed, and the driving assistance control unit has a driving operation determination unit that determines, by calculation, a driving operation according to the driving situation recognized by the driving situation recognition unit, and a learning processing unit (parameter adjustment unit) that adjusts parameters of a driving operation decision function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, the non-robotic car performs a learning process to adjust the parameters of the driving operation decision function based on the driving behavior information of other vehicles, determines a driving operation according to the driving situation using the driving operation decision function, and performs driving assistance control to execute the driving operation.
Therefore, with this road traffic system, a non-robotic car can learn the driving behavior of other vehicles that have experienced the situation and perform driving assistance control, even in situations that the vehicle itself has not experienced, and can handle the situation with driving performance at the same level as the other vehicles.
[Configuration 1.4]
A road traffic system in which a plurality of vehicles travel on a road, the vehicles including a robot car that is driven by automatic driving control instead of by a human driver, the robot car having a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a driving behavior information acquisition unit that acquires driving behavior information of other vehicles, and an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit while referring to the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, the robot car performs automatic driving control based on the driving conditions of its own vehicle while referring to driving behavior information (empirical information) of other vehicles.
Therefore, with this road traffic system, even in situations that the robot car has never experienced, it can handle the situation with the same level of driving performance as other vehicles by performing automatic driving control based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.5]
A road traffic system in which a plurality of vehicles travel on a road, the vehicles including a robot car that is driven by automatic driving control instead of by a human driver, the robot car having a driving situation recognition unit that recognizes the driving situation of the robot car itself, a driving behavior information acquisition unit that acquires driving behavior information of other vehicles, and an automatic driving control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs automatic driving control so that the driving operation is performed, the automatic driving control unit having a driving knowledge unit that stores knowledge information to be referenced when determining the driving operation to be performed, and a learning processing unit (knowledge update processing unit) that appropriately updates the knowledge information stored in the driving knowledge unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, the robot car performs a learning process to update knowledge information (such as the criteria for determining the driving operation to be performed) based on the driving behavior information of other vehicles, and then refers to the knowledge information to determine the driving operation according to the driving situation, and performs automatic driving control to ensure that the driving operation is performed.
Therefore, with this road traffic system, even in situations that the robot car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform automatic driving control, allowing it to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 1.6]
A road traffic system in which a plurality of vehicles travel on a road, the vehicles including a robot car that is driven by automatic driving control instead of by a human driver, the robot car having a driving situation recognition unit that recognizes the driving situation of the robot car itself, a driving behavior information acquisition unit that acquires driving behavior information of other vehicles, and an automatic driving control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs automatic driving control so that the driving operation is executed, the road traffic system characterized in that the automatic driving control unit has a driving operation determination unit that determines, by calculation, a driving behavior in accordance with the driving situation recognized by the driving situation recognition unit, and a learning processing unit (parameter adjustment unit) that adjusts parameters of a driving operation decision function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, the robot car performs a learning process to adjust the parameters of a driving operation decision function based on driving behavior information of other vehicles, determines driving operations according to the driving conditions using the driving operation decision function, and performs automatic driving control to execute those driving operations.
Therefore, with this road traffic system, even in situations that the robot car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform automatic driving control, allowing it to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 1.7]
A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from one or more vehicles, and a driving behavior information transmitting function for transmitting the driving behavior information to one or more vehicles different from the source of the driving behavior information, the vehicles including a non-robotic car having a driving assistance control function for assisting a human driver in driving, the non-robotic car having a driving situation recognition unit for recognizing the driving situation of its own vehicle, a driving behavior information receiving unit for receiving driving behavior information of other vehicles from the computing system, and a driving assistance control unit for performing driving assistance control based on the driving situation recognized by the driving situation recognition unit, while referring to the driving behavior information received by the driving behavior information receiving unit.
In this road traffic system, a computing system receives driving behavior information (experience information) from one or more vehicles and transmits the driving behavior information to one or more vehicles other than the sender of the driving behavior information. The non-robotic car that receives the driving behavior information from the computing system performs driving assistance control based on the driving situation of its own vehicle while referring to the driving behavior information.
Therefore, according to the road traffic system, even in situations that the non-robotic car has never experienced, it can handle the situation with the same level of driving performance as other vehicles by performing driving assistance control while referring to the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.8]
1. A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from one or more vehicles, and a driving behavior information transmitting function for transmitting the driving behavior information to one or more vehicles other than the source of the driving behavior information, the vehicles including a non-robotic car having a driving assistance control function for assisting a human driver in driving, the non-robotic car having a driving situation recognition unit for recognizing the driving situation of its own vehicle, a driving behavior information receiving unit for receiving driving behavior information of other vehicles from the computing system, and a driving assistance control unit for determining a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performing driving assistance control so that the driving operation is performed, the road traffic system comprising a driving knowledge unit for storing knowledge information to be referenced when determining the driving behavior, and a learning processing unit (knowledge update processing unit) for updating the knowledge information stored in the driving knowledge unit based on the driving behavior information received by the driving behavior information receiving unit.
In this road traffic system, a computing system receives driving behavior information (experience information) from one or more vehicles and transmits the driving behavior information to one or more vehicles other than the source of the driving behavior information. The non-robotic car that receives the driving behavior information from the computing system performs a learning process to update knowledge information (such as criteria for determining the driving maneuver to be performed) based on the driving behavior information of other vehicles, and determines a driving maneuver according to the driving situation by referring to the knowledge information, and performs driving assistance control to execute the driving maneuver.
Therefore, with this road traffic system, even in situations that the non-robotic car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform driving assistance control, allowing it to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 1.9]
1. A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from one or more vehicles and a driving behavior information transmitting function for transmitting the driving behavior information to one or more vehicles other than the source of the driving behavior information, the vehicles including a non-robotic car having a driving assistance control function for assisting a human driver in driving, the non-robotic car having a driving situation recognition unit for recognizing the driving situation of the vehicle itself, a driving behavior information receiving unit for receiving the driving behavior information from the computing system, and a driving assistance control unit for determining a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performing driving assistance control so that the driving operation is performed, the road traffic system comprising: a driving operation determination unit for determining, by calculation, a driving behavior according to the driving situation recognized by the driving situation recognition unit, and a learning processing unit (parameter adjustment unit) for adjusting parameters of a driving operation determination function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, the non-robotic car performs a learning process to adjust the parameters of the driving operation decision function based on the driving behavior information of other vehicles, determines a driving operation according to the driving situation using the driving operation decision function, and performs driving assistance control to execute the driving operation.
Therefore, with this road traffic system, even in situations that the non-robotic car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform driving assistance control, allowing it to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 1.10]
A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from one or more vehicles, and a driving behavior information transmitting function for transmitting the driving behavior information to one or more vehicles different from the source of the driving behavior information, the vehicles including a robot car that is driven by autonomous driving control instead of being driven by a human driver, the robot car having a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a driving behavior information receiving unit that receives the driving behavior information from the computing system from the driving behavior information, and an autonomous driving control unit that performs autonomous driving control based on the driving situation recognized by the driving situation recognition unit, while referring to the driving behavior information received by the driving behavior information receiving unit.
In this road traffic system, a computing system receives driving behavior information (experience information) from one or more vehicles and transmits the driving behavior information to one or more vehicles different from the sender of the driving behavior information. The robot car that receives the driving behavior information from the computing system performs autonomous driving control based on the driving situation of its own vehicle while referring to the driving behavior information.
Therefore, according to the road traffic system, even in situations that the robot car has never experienced, it can handle the situation with the same level of driving performance as other vehicles by performing autonomous driving control while referring to the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.11]
1. A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from one or more vehicles, and a driving behavior information transmitting function for transmitting the driving behavior information to one or more vehicles different from the source of the driving behavior information, the vehicles including a robot car that is driven by autonomous driving control instead of being driven by a human driver, the robot car having a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a driving behavior information receiving unit that receives the driving behavior information from the computing system, and an autonomous driving control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs autonomous driving control to execute the driving operation, the autonomous driving control unit having a driving knowledge unit that stores knowledge information to be referenced when determining the driving behavior, and a learning processing unit (knowledge update processing unit) that updates the knowledge information stored in the driving knowledge unit based on the driving behavior information received by the driving behavior information receiving unit.
In this road traffic system, a computing system receives driving behavior information (experience information) from one or more vehicles and transmits the driving behavior information to one or more vehicles different from the sender of the driving behavior information. The robot car that receives the driving behavior information from the computing system performs a learning process to update knowledge information (such as criteria for determining the driving operation to be performed) based on the driving behavior information of other vehicles, while referring to the knowledge information to determine a driving operation according to the driving situation and performing automatic driving control to execute the driving operation.
Therefore, with this road traffic system, even in situations that the robot car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform automatic driving control, allowing it to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 1.12]
1. A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from one or more vehicles, and a driving behavior information transmitting function for transmitting the driving behavior information to one or more vehicles different from the source of the driving behavior information, the vehicles including a robot car that is driven by autonomous driving control instead of by a human driver, the robot car having a driving situation recognition unit that recognizes the driving situation of the robot car itself, a driving behavior information receiving unit that receives driving behavior information of other vehicles from the computing system, and an autonomous driving control unit that determines a driving operation to be executed based on the driving situation recognized by the driving situation recognition unit and performs autonomous driving control so that the driving operation is executed, the autonomous driving control unit having a driving operation determination unit that determines by calculation a driving operation according to the driving situation recognized by the driving situation recognition unit, and a learning processing unit (parameter adjustment unit) that adjusts parameters of a driving operation determination function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, the robot car performs a learning process to adjust the parameters of a driving operation decision function based on driving behavior information of other vehicles, determines driving operations according to the driving conditions using the driving operation decision function, and performs automatic driving control to execute those driving operations.
Therefore, with this road traffic system, even in situations that the robot car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform automatic driving control, allowing it to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 1.13]
A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from a robot car and a driving behavior information transmitting function for transmitting the driving behavior information to a non-robotic car, the robot car being a vehicle that is driven by automatic driving control instead of by a human driver, the robot car having a driving behavior information transmitting unit for transmitting driving behavior information of the vehicle to the computing system, the non-robotic car being a vehicle with a driving assistance control function for assisting driving by a human driver, the road traffic system comprising a driving situation recognition unit for recognizing the driving situation of the vehicle, a driving behavior information receiving unit for receiving the driving behavior information from the computing system, and a driving assistance control unit for performing driving assistance control based on the driving situation recognized by the driving situation recognition unit, while referring to the driving behavior information received by the driving behavior information receiving unit.
In this road traffic system, the computing system receives driving behavior information (experience information) from the robotic car and transmits the driving behavior information to the non-robotic car. The non-robotic car, having received the driving behavior information from the computing system, performs driving assistance control based on the driving conditions of its own vehicle while referring to the driving behavior information.
Therefore, according to the road traffic system, even in situations that the non-robotic car has not experienced, the non-robotic car can handle the situation with driving performance at the same level as the robotic car by performing driving assistance control while referring to the driving behavior information of the robotic car that has experienced the situation.
This road traffic system allows robotic and non-robotic cars to coexist, and allows the non-robotic cars to learn the driving techniques of the robotic cars, thereby efficiently improving the driving assistance capabilities of the non-robotic cars. As the driving assistance capabilities of the non-robotic cars improve, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 1.14]
1. A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from a robot car and a driving behavior information transmitting function for transmitting the driving behavior information to a non-robotic car; the robot car being a vehicle that is driven by automatic driving control instead of by a human driver, the computing system having a driving behavior information transmitting unit for transmitting driving behavior information of the vehicle to the computing system; the non-robotic car being a vehicle having a driving assistance control function for assisting driving by a human driver, the computing system having a driving situation recognition unit for recognizing the driving situation of the vehicle, a driving behavior information receiving unit for receiving the driving behavior information from the computing system, and a driving assistance control unit for determining a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performing driving assistance control to execute the driving operation; the driving assistance control unit having a driving knowledge unit for storing knowledge information (judgment criteria, etc.) to be referenced when determining the driving behavior, and a learning processing unit (knowledge update processing unit) for updating the knowledge information stored in the driving knowledge unit based on the driving behavior information received by the driving behavior information receiving unit.
In this road traffic system, the computing system receives driving behavior information (experience information) from the robotic car and transmits the driving behavior information to the non-robotic car. The non-robotic car that receives the driving behavior information from the computing system performs a learning process to update its knowledge information (such as criteria for determining the driving maneuver to be performed) based on the driving behavior information of the robotic car, and then determines a driving maneuver according to the driving situation by referring to the knowledge information and performs driving assistance control to execute the driving maneuver.
Therefore, with this road traffic system, even in situations that the non-robotic car has never experienced, it can learn the driving behavior of a robotic car that has experienced the situation and perform driving assistance control, allowing it to deal with the situation with driving performance at the same level as the robotic car.
This road traffic system allows robotic and non-robotic cars to coexist, and allows the non-robotic cars to learn the driving techniques of the robotic cars, thereby efficiently improving the driving assistance capabilities of the non-robotic cars. As the driving assistance capabilities of the non-robotic cars improve, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 1.15]
A road traffic system in which a plurality of vehicles travel on a road includes a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from a robot car and a driving behavior information transmitting function for transmitting the driving behavior information to a non-robotic car, the robot car being a vehicle that is driven by automatic driving control instead of by a human driver, and having a driving behavior information transmitting unit for transmitting driving behavior information of the vehicle to the computing system, and the non-robotic car being a vehicle having a driving assistance control function for assisting the human driver in driving, and recognizing the driving situation of the vehicle. a driving situation recognition unit that recognizes a driving situation based on a vehicle speed, a driving behavior information receiving unit that receives the driving behavior information from the computing system, and a driving assistance control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs driving assistance control so that the driving operation is performed, wherein the driving assistance control unit has a driving operation determination unit that determines, by calculation, a driving behavior in accordance with the driving situation recognized by the driving situation recognition unit, and a learning processing unit (parameter adjustment unit) that adjusts parameters of a driving operation decision function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, the non-robot car performs a learning process to adjust the parameters of the driving operation decision function based on the driving behavior information of the robot car, determines a driving operation according to the driving conditions of the vehicle using the driving operation decision function, and performs driving assistance control to execute the driving operation.
Therefore, with this road traffic system, even in situations that the non-robotic car has never experienced, it can learn the driving behavior of a robotic car that has experienced the situation and perform driving assistance control, allowing it to deal with the situation with driving performance at the same level as the robotic car.
This road traffic system allows robotic and non-robotic cars to coexist, and allows the non-robotic cars to learn the driving techniques of the robotic cars, thereby efficiently improving the driving assistance capabilities of the non-robotic cars. As the driving assistance capabilities of the non-robotic cars improve, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 1.16]
A road traffic system in which a plurality of vehicles travel on a road, comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from a non-robotic car and a driving behavior information transmitting function for transmitting the driving behavior information to a robotic car, the non-robotic car being a vehicle driven by a human driver and having a driving behavior information transmitting unit for transmitting driving behavior information of the vehicle to the computing system, the robotic car being a vehicle driven by automatic driving control instead of by a human driver,
A road traffic system comprising: a driving situation recognition unit that recognizes the driving situation of a vehicle; a driving behavior information receiving unit that receives the driving behavior information from the computing system; and an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit while referring to the driving behavior information received by the driving behavior information receiving unit.
In this road traffic system, the computing system receives driving behavior information (experience information) from non-robotic cars and transmits the driving behavior information to the robotic cars. The robotic cars, having received the driving behavior information from the computing system, refer to the driving behavior information and perform autonomous driving control based on the driving conditions of their own vehicles.
Therefore, with this road traffic system, even in situations that the robot car has never experienced, it can handle the situation with the same level of driving performance as a non-robot car by performing automatic driving control while referring to the driving behavior information of a non-robot car that has experienced the situation.
This road traffic system allows robotic cars to learn the driving techniques of human drivers who drive non-robotic cars in a situation where robotic cars and non-robotic cars coexist, thereby efficiently improving the autonomous driving performance of the robotic cars. As the autonomous driving performance of robotic cars improves, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 1.17]
1. A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from a non-robotic car, and a driving behavior information transmitting function for transmitting the driving behavior information to a robotic car, the non-robotic car being a vehicle driven by a human driver and having a driving behavior information transmitting unit for transmitting driving behavior information of the vehicle to the computing system, the robotic car having a driving situation recognition unit for recognizing the driving situation of the vehicle, a driving behavior information receiving unit for receiving the driving behavior information from the computing system, and an autonomous driving control unit for determining a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performing autonomous driving control to execute the driving operation, the autonomous driving control unit having a driving knowledge unit for storing knowledge information to be referenced when determining the driving behavior, and a learning processing unit for updating the knowledge information stored in the driving knowledge unit based on the driving behavior information received by the driving behavior information receiving unit.
In this road traffic system, the computing system receives driving behavior information (experience information) from non-robotic cars and transmits the driving behavior information to the robotic cars. The robotic cars that receive the driving behavior information from the computing system perform a learning process to update their knowledge information (such as criteria for determining driving operations to be performed) based on the driving behavior information of the non-robotic cars, and then refer to the knowledge information to determine driving operations according to the driving conditions and perform autonomous driving control to execute the driving operations.
Therefore, with this road traffic system, even in situations that the robot car has never experienced, it can learn the driving behavior of a non-robotic car that has experienced that situation and perform driving assistance control, allowing it to deal with the situation with driving performance at the same level as the non-robotic car.
This road traffic system allows robotic cars to learn the driving techniques of human drivers who drive non-robotic cars in a situation where robotic cars and non-robotic cars coexist, thereby efficiently improving the autonomous driving performance of the robotic cars. As the autonomous driving performance of robotic cars improves, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 1.18]
1. A road traffic system in which a plurality of vehicles travel on a road, the system comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from a non-robotic car and a driving behavior information transmitting function for transmitting the driving behavior information to a robotic car, the non-robotic car being a vehicle driven by a human driver and having a driving behavior information transmitting unit for transmitting driving behavior information of the vehicle to the computing system, the robotic car having a driving situation recognition unit for recognizing the driving situation of the vehicle, a driving behavior information receiving unit for receiving the driving behavior information from the computing system, and an autonomous driving control unit for determining a driving operation to be executed based on the driving situation recognized by the driving situation recognition unit and performing autonomous driving control to execute the driving operation, the autonomous driving control unit having a driving operation determination unit for calculating a driving operation according to the driving situation recognized by the driving situation recognition unit, and a learning processing unit for adjusting parameters of a driving operation determination function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this road traffic system, the robot car performs a learning process to adjust the parameters of a driving operation decision function based on the driving behavior information of non-robot cars, determines driving operations according to the vehicle's driving conditions using the driving operation decision function, and performs automatic driving control to execute those driving operations.
Therefore, with this road traffic system, even in situations that the robot car has never experienced, it can learn the driving behavior of a non-robotic car that has experienced that situation and perform driving assistance control, allowing it to deal with the situation with driving performance at the same level as the non-robotic car.
This road traffic system allows robotic cars to learn the driving techniques of human drivers who drive non-robotic cars in a situation where robotic cars and non-robotic cars coexist, thereby efficiently improving the autonomous driving performance of the robotic cars. As the autonomous driving performance of robotic cars improves, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 1.19]
The road traffic system according to any one of configurations 1.1 to 1.6, wherein the driving behavior information of the other vehicle is driving behavior information that associates a traveling situation of the other vehicle with a driving operation performed in the other vehicle.
[Configuration 1.20]
The road traffic system of any one of configurations 1.1 to 1.3, wherein the non-robot car has a driving behavior information output unit that outputs driving behavior information of the vehicle to the outside, and the driving behavior information of the vehicle is driving behavior information that corresponds the driving situation of the vehicle with the driving operation performed in the vehicle.
[Configuration 1.21]
The road traffic system of any one of configurations 1.4 to 1.6, wherein the robot car has a driving behavior information output unit that outputs driving behavior information of the host vehicle to the outside, and the driving behavior information of the host vehicle is driving behavior information that corresponds a driving situation of the host vehicle with a driving operation performed in the host vehicle.
[Configuration 1.22]
The non-robot car includes a driving operation detection unit that detects driving operations by a human driver of the vehicle;
A road traffic system according to any one of configurations 1.16 to 1.18, comprising: a driving behavior information transmission unit that transmits to the computing system driving behavior information that associates the driving situation recognized by the driving situation recognition unit with the driving operation detected by the driving operation detection unit.
[Configuration 1.23]
The road traffic system of any one of configurations 1.7 to 1.12, wherein the computing system has a driving behavior information receiving function that receives driving behavior information of one or more vehicles, an optimization information generating function that generates optimized driving behavior information based on the driving behavior information, an optimization information updating function that updates the optimized driving behavior information to the latest information and manages it, and a driving behavior information transmitting function that transmits the optimized driving behavior information to one or more vehicles.
[Configuration 1.24]
The road traffic system of any one of configurations 1.13 to 1.15, wherein the computing system has a driving behavior information receiving function that receives driving behavior information from a robot car, an optimization information generating function that generates optimized driving behavior information based on the driving behavior information, an optimization information updating function that updates the optimized driving behavior information to the latest information and manages it, and a driving behavior information transmitting function that transmits the optimized driving behavior information to a non-robotic car.
[Configuration 1.25]
The road traffic system of any one of configurations 1.16 to 1.18, wherein the computing system has a driving behavior information receiving function that receives driving behavior information from a non-robotic car, an optimization information generating function that generates optimized driving behavior information based on the driving behavior information, an optimization information updating function that updates the optimized driving behavior information to the latest information and manages it, and a driving behavior information transmitting function that transmits the optimized driving behavior information to a robotic car.
[Configuration 1.26]
A road traffic system in which robot cars driven by automatic driving control instead of by a human driver travel on roads, comprising a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information of one or more robot cars, and a driving behavior information transmitting function for transmitting the driving behavior information to one or more robot cars different from a source of the driving behavior information,
a driving behavior information receiving unit that receives the driving behavior information; an autonomous driving control unit that performs autonomous driving control based on the driving situation recognized by the driving situation recognition unit of the vehicle while referring to the driving behavior information received by the driving behavior information receiving unit; and a driving behavior information transmitting unit that transmits driving behavior information that associates the driving situation recognized by the driving situation recognition unit with driving operations performed by autonomous driving control to the computing system, wherein the driving behavior information is information that associates the driving situation with driving operations of the robot car.
In this road traffic system, a computing system receives driving behavior information (experience information) from a robot car and transmits the driving behavior information to a robot car different from the sender of the driving behavior information. The robot car that receives the driving behavior information from the computing system performs autonomous driving control based on its own driving situation while referring to the driving behavior information of the other robot cars. Therefore, even in situations that the robot car has not experienced, the robot car can handle the situation with the same level of driving performance as the other robot cars by performing autonomous driving control according to the driving situation of the own vehicle while referring to the driving behavior information of the other robot cars that have experienced the situation.
In this road traffic system, the robot cars share driving behavior information with each other, which increases the learning efficiency of the robot cars in the road traffic system and rapidly improves their autonomous driving performance. Rapidly improving the autonomous driving performance of all robot cars in the road traffic system rapidly improves the operational efficiency, safety, and other aspects of the entire road traffic system.
[Configuration 1.27]
a driving behavior information receiving unit that receives the driving behavior information of one or more robot cars; an optimization information generating unit that generates optimized driving behavior information based on the driving behavior information; an optimization information updating unit that updates the optimized driving behavior information to the latest information and manages it; and a driving behavior information transmitting unit that transmits the optimized driving behavior information to one or more robot cars. The robot cars each have a driving situation recognition unit that recognizes the driving situation of their own vehicle; a driving behavior information receiving unit that receives the driving behavior information; an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit of the own vehicle while referring to the driving behavior information received by the driving behavior information receiving unit; and a driving behavior information transmitting unit that transmits driving behavior information to the computing system that associates the driving situation recognized by the driving situation recognition unit with driving operations performed by the automatic driving control.
In this road traffic system, a computing system receives driving behavior information (experience information) from a robot car, generates optimized driving behavior information based on the driving behavior information, updates and manages the optimized driving behavior information, and transmits the optimized driving behavior information to the robot car. The robot car that receives the driving behavior information from the computing system performs autonomous driving control based on its own vehicle's driving conditions while referencing the driving behavior information of other robot cars. Therefore, even in situations that the robot car has not experienced, the robot car can handle the situation with driving performance at a level equal to or better than that of the other robot cars by performing autonomous driving control with reference to driving behavior information optimized based on driving behavior information of other robot cars that have experienced the situation.
In this road traffic system, the robot cars share driving behavior information with each other, which increases the learning efficiency of the robot cars in the road traffic system and rapidly improves their autonomous driving performance. Rapidly improving the autonomous driving performance of all robot cars in the road traffic system rapidly improves the operational efficiency, safety, and other aspects of the entire road traffic system.
[Configuration 1.28]
The optimized driving behavior information is driving behavior information optimized according to vehicle attributes of a vehicle receiving the driving behavior information, driving behavior information optimized to minimize the possibility of a vehicle receiving the driving behavior information coming into contact with an obstacle, driving behavior information optimized to minimize the energy consumption of a vehicle receiving the driving behavior information, driving behavior information optimized to maximize the regenerative energy of a vehicle receiving the driving behavior information, driving behavior information optimized to minimize the number of accelerations or acceleration time within a specified driving distance or a specified driving time, driving behavior information optimized to minimize or maximize the number of braking operations or braking time within a specified driving distance or a specified driving time, driving behavior information optimized to minimize the driving distance from a departure point to a destination point, or driving behavior information optimized to minimize the driving time from a departure point to a destination point.
[Configuration 1.29]
The road traffic system of any one of configurations 1.23, 1.24, 1.25, and 1.27, wherein the optimization information generation function includes a function of modifying the driving behavior information based on the driving situation of the vehicle receiving the driving behavior information and the vehicle attributes of the vehicle, so as to minimize the possibility of the vehicle coming into contact with an obstacle.
In this road traffic system, if the vehicle attributes of the vehicle that provides driving behavior information (source vehicle) differ from the vehicle attributes of the vehicle that receives the driving behavior information (destination vehicle), the driving behavior information is modified to minimize the possibility of the destination vehicle coming into contact with an obstacle and is provided to the destination vehicle.
According to this road traffic system, even if the vehicle attributes of the vehicle providing the driving behavior information and the vehicle receiving the information differ, the vehicles can refer to each other's driving behavior information and perform driving assistance control or automatic driving control.
[Configuration 1.30]
A road traffic system in which a plurality of vehicles travel on a road, wherein each vehicle has a function of providing driving behavior information of its own vehicle to other vehicles, a function of receiving driving behavior information of the other vehicles, and a function of controlling the driving of its own vehicle based on the driving behavior information of the other vehicles, wherein the driving behavior information of the own vehicle is driving behavior information that corresponds the driving situation of the own vehicle with driving operations performed in the own vehicle, and the driving behavior information of the other vehicles is information that corresponds the driving situation of the other vehicles with driving operations performed in the other vehicles.
Vehicles in this road traffic system can exchange driving behavior information (experience information) with each other. The driving behavior information of other vehicles can be used to control the driving of the vehicle. Therefore, even in a situation that the vehicle has not experienced, the vehicle in this road traffic system can handle the situation with the same level of driving performance as the other vehicle by controlling the driving with reference to the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.31]
A road traffic system in which a plurality of vehicles travel on a road, wherein each of the vehicles has a function of receiving driving behavior information of the other vehicles through communication between the vehicle and the other vehicles, and a function of controlling the driving of the vehicle by referring to the driving behavior information of the other vehicles, and the driving behavior information of the other vehicles is information that associates the driving conditions of the other vehicles with driving operations performed by the other vehicles.
Vehicles in this road traffic system can receive driving behavior information (experience information) of other vehicles through vehicle-to-vehicle communication. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in situations that the vehicle itself has not experienced, the vehicle in this road traffic system can handle the situation with the same level of driving performance as the other vehicles by controlling the driving based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.32]
A road traffic system in which a plurality of vehicles travel on a road, wherein each of the vehicles has a function of receiving driving behavior information of other vehicles through communication between the vehicle and a ground stationary object, and a function of controlling the driving of the vehicle by referring to the driving behavior information of the other vehicles, and the driving behavior information of the other vehicles is information that associates the driving conditions of the other vehicles with driving operations performed by the other vehicles.
Vehicles in this road traffic system can receive driving behavior information (experience information) of other vehicles through communication with ground stationary objects. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in situations that the vehicle itself has not experienced, the vehicle in this road traffic system can handle the situation with the same level of driving performance as the other vehicles by controlling the driving with reference to the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.33]
A road traffic system in which a plurality of vehicles travel on a road, wherein each of the vehicles has a function of receiving driving behavior information of other vehicles through communication between the vehicle and the road, and a function of controlling the driving of the vehicle by referring to the driving behavior information of the other vehicles, and the driving behavior information of the other vehicles is information that associates the driving conditions of the other vehicles with driving operations performed by the other vehicles.
Vehicles in this road traffic system can receive driving behavior information (experience information) of other vehicles through road-to-vehicle communication. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in situations that the vehicle itself has not experienced, the vehicle in this road traffic system can handle the situation with the same level of driving performance as the other vehicles by controlling the driving based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.34]
A road traffic system in which a plurality of vehicles travel on a road, wherein each of the vehicles has a function of receiving driving behavior information of other vehicles through communication between the vehicle and a mobile terminal, and a function of controlling the driving of the vehicle by referring to the driving behavior information of the other vehicles, and the driving behavior information of the other vehicles is information that corresponds the driving conditions of the other vehicles with driving operations performed in the other vehicles.
Vehicles in this road traffic system can receive driving behavior information (experience information) of other vehicles through communication with mobile devices. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in situations that the vehicle itself has not experienced, the vehicle in this road traffic system can handle the situation with the same level of driving performance as the other vehicles by controlling the driving based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.35]
A road traffic system in which a plurality of vehicles travel on a road, wherein each of the vehicles has a function of uploading driving behavior information of its own vehicle to a computing system on a network, a function of downloading driving behavior information of other vehicles from the computing system on the network, and a function of controlling the driving of its own vehicle based on the driving behavior information downloaded from the computing system on the network, wherein the driving behavior information of the own vehicle is information that associates the driving situation of the own vehicle with driving operations performed in the own vehicle, and the driving behavior information of the other vehicles is information that associates the driving situation of the other vehicles with driving operations performed in the other vehicles.
Vehicles in this road traffic system can exchange driving behavior information (experience information) with many other vehicles via a network. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in situations that the vehicle itself has not experienced, the vehicle in this road traffic system can handle the situation with the same level of driving performance as the other vehicles by controlling the driving based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.36]
A road traffic system in which a plurality of vehicles travel on a road, the road traffic system having the following functions: uploading driving behavior information of the vehicle itself to a computing system on a network; downloading driving behavior information generated based on the driving behavior information of the vehicle itself and driving behavior information of other vehicles from the computing system on the network; and controlling the driving of the vehicle itself by referring to the driving behavior information downloaded from the computing system on the network, wherein the driving behavior information of the vehicle itself is information that associates the driving situation of the vehicle itself with driving operations performed in the vehicle itself, and the driving behavior information of the other vehicles is information that associates the driving situation of the other vehicles with driving operations performed in the other vehicles.
Vehicles in this road traffic system can upload their own driving behavior information (experience information) to a computing system on the network and download driving behavior information generated based on their own driving behavior information and that of other vehicles (experience information) from the computing system on the network. The driving behavior information generated based on their own driving behavior information and that of other vehicles can then be used to control their own vehicles. Therefore, even in situations that the vehicle in this road traffic system has not experienced, the vehicle can handle the situation with driving performance at a level equal to or better than that of the other vehicles by performing driving control based on the driving behavior information of its own vehicle and that of other vehicles that have experienced the situation.
[Configuration 1.37]
a driving situation recognition unit that recognizes the driving situation of the host vehicle; a learning processing unit that learns about surrounding objects and driving operations of the host vehicle; a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; and an autonomous driving control unit that performs autonomous driving control based on the driving situation recognized by the driving situation recognition unit of the host vehicle and the learning results by the learning processing unit while referring to the driving behavior information acquired by the driving behavior information acquisition unit, wherein the driving behavior information of the other vehicles includes operation history information that associates the driving situation of the other vehicles with driving operations performed in the other vehicles.
The robot car of this road traffic system performs autonomous driving control based on the driving situation of its own vehicle and its own learning results while referring to driving behavior information (experience information) of other vehicles. Therefore, even in situations that the vehicle of this road traffic system has not experienced, the vehicle can handle the situation with the same level of driving performance as the other vehicles by performing autonomous driving control by referring to driving behavior information of other vehicles that have experienced the situation.
[Configuration 1.38]
a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; an autonomous driving control unit that performs autonomous driving control based on the driving situation recognized by the driving situation recognition unit of the host vehicle and the learning results by the learning processing unit while referring to the driving behavior information acquired by the driving behavior information acquisition unit; and a driving behavior information output unit that outputs the driving behavior information of the host vehicle to the outside, wherein the driving behavior information of the other vehicles is information that associates the driving situation of the other vehicles with driving operations performed by the other vehicles, and the driving behavior information of the host vehicle is information that associates the driving situation of the host vehicle with driving operations performed by the autonomous driving control of the host vehicle.
The robot car of this road traffic system performs autonomous driving control based on the driving situation of its own vehicle and its own learning results, while referring to driving behavior information (experience information) of other vehicles. Therefore, even in situations it has never experienced, the robot car of this road traffic system can handle the situation with driving performance at a level equivalent to that of other vehicles by performing autonomous driving control with reference to driving behavior information of other vehicles that have experienced the situation. Furthermore, since the robot car of this road traffic system outputs its own vehicle's driving behavior information (experience information) to the outside, other vehicles can also refer to the driving behavior information output from the robot car to perform driving assistance control or autonomous driving control. Even in situations it has never experienced, the other vehicles can handle the situation with driving performance at a level equivalent to that of the robot car by performing driving assistance control or autonomous driving control with reference to driving behavior information of robot cars that have experienced the situation.
[Configuration 1.39]
A road traffic system in which a plurality of vehicles travel on a road includes a computing system, the computing system having a driving behavior information receiving function for receiving driving behavior information from a non-robotic car, and a driving behavior information transmitting function for transmitting the driving behavior information to a robotic car, the non-robotic car being a vehicle driven by a human driver, the computing system having a driving situation recognition unit for recognizing the driving situation of the vehicle itself, a driving operation detection unit for detecting driving operations by the human driver of the vehicle, and a driving behavior information including operation history information that associates the driving situation recognized by the driving situation recognition unit with the driving operations detected by the driving operation detection unit, a driving behavior information transmitting unit that transmits the information to a computing system, wherein the robot car is a vehicle that is driven by automatic driving control instead of by a human driver, and the road traffic system is characterized in that the robot car has a driving situation recognition unit that recognizes the driving situation of the vehicle, a machine learning unit that learns about objects around the vehicle and driving operations, a driving behavior information receiving unit that receives the driving behavior information from the computing system, and an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit of the vehicle and the learning results by the machine learning unit while referring to the driving behavior information received by the driving behavior information receiving unit.
The computing system of this road traffic system receives driving behavior information (experience information) from non-robotic cars and transmits the driving behavior information to the robotic cars. The robotic cars that receive the driving behavior information from this computing system perform autonomous driving control based on their own driving conditions and their own learning results, while referring to the driving behavior information of the non-robotic cars. Therefore, even in situations that the robotic cars of this road traffic system have not experienced, they can handle the situation with driving performance at the same level as the non-robotic cars by performing autonomous driving control with reference to the driving behavior information of non-robotic cars that have experienced the situation.
This road traffic system allows robotic cars to learn the driving techniques of drivers of non-robotic cars in a situation where robotic cars and non-robotic cars coexist, thereby efficiently improving the autonomous driving performance of the robotic cars. As the autonomous driving performance of robotic cars improves, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 1.40]
A road traffic system in which a plurality of vehicles travel on a road includes a computing system, the computing system including a driving behavior information receiving function for receiving driving behavior information from a non-robotic car, an optimization information generating function for generating optimized driving behavior information based on the driving behavior information, an optimization information updating function for updating and managing the optimized driving behavior information to the latest information, and a driving behavior information transmitting function for transmitting the optimized driving behavior information to a robotic car, the non-robotic car being a vehicle driven by a human driver, the non-robotic car including a driving situation recognition unit for recognizing the driving situation of the vehicle itself, a driving operation detection unit for detecting the driving operation by the human driver of the vehicle, and a driving situation recognition unit for detecting the driving operation recognized by the driving situation recognition unit and the driving situation. a driving behavior information transmitting unit that transmits to the computing system driving behavior information including operation history information associated with driving operations detected by an operation detection unit, wherein the robot car is a vehicle that is driven by automatic driving control instead of by a human driver, and the robot car has a driving situation recognition unit that recognizes the driving situation of the vehicle, a machine learning unit that learns about objects around the vehicle and driving operations, a driving behavior information receiving unit that receives the driving behavior information from the computing system, and an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit of the vehicle and the learning results by the machine learning unit while referring to the driving behavior information received by the driving behavior information receiving unit.
The computing system of this road traffic system receives driving behavior information (experience information) from non-robotic cars, generates optimized driving behavior information based on the driving behavior information, updates and manages the optimized driving behavior information, and transmits the optimized driving behavior information to the robotic cars. The robotic cars that receive the driving behavior information from this computing system perform autonomous driving control based on their own driving conditions and their own learning results while referring to the driving behavior information of the non-robotic cars. Therefore, even in situations that the robotic cars of this road traffic system have not experienced, they can handle the situation with driving performance at a level equal to or better than that of the non-robotic cars by performing autonomous driving control with reference to driving behavior information optimized based on driving behavior information of non-robotic cars that have experienced the situation.

［２．道路交通システムにおける車両の構成とその作用］
本発明の車両には、以下の構成の車両が含まれる。
［構成２．１］
ヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーであって、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記運転行動情報取得部により取得した運転行動情報を参照しつつ、前記走行状況認知部により認知された走行状況に基づいて運転支援制御を行う運転支援制御部と、を有することを特徴とする非ロボットカー。
この非ロボットカーは、他車両の運転行動情報（経験情報）を参照しつつ自車両の走行状況に基づいて運転支援制御を行う。
したがって、この非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて運転支援制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．２］

ヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーであって、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う運転支援制御部と、を有し、前記運転支援制御部は、前記運転行動を決定する際に参照する知識情報（判断基準）を記憶した運転知識部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を更新する学習処理部（知識更新処理部）と、を有することを特徴とする非ロボットカー。
この非ロボットカーは、他車両の運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う。
したがって、この非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して運転支援制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．３］
ヒューマンドライバによる運転を支援する運転支援制御機能を有する非ロボットカーであって、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う運転支援制御部と、を有し、前記運転支援制御部は、前記走行状況認知部により認知された走行状況に応じた運転行動を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）と、を有することを特徴とする非ロボットカー。
この非ロボットカーは、他車両の運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように運転支援制御を行う。
したがって、この非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して運転支援制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．４］
前記運転行動情報取得部は、自車両と他車両との間の通信により当該他車両の運転行動情報を受信する運転行動情報受信部である、構成２．１乃至２．３のいずれか１の非ロボットカー。
［構成２．５］
前記運転行動情報取得部は、自車両と地上静止物との間の通信により他車両の運転行動情報を受信する運転行動情報受信部である、構成２．１乃至２．３のいずれか１の非ロボットカー。
［構成２．６］
前記運転行動情報取得部は、自車両と道路との間の通信により他車両の運転行動情報を受信する運転行動情報受信部である、構成２．１乃至２．３のいずれか１の非ロボットカー。
［構成２．７］
前記運転行動情報取得部は、自車両と携帯端末との間の通信により他車両の運転行動情報を受信する運転行動情報受信部である、構成２．１乃至２．３のいずれか１の非ロボットカー。
［構成２．８］
前記運転行動情報取得部は、他車両の運転行動情報をネットワーク上のコンピューティングシステムから受信する運転行動情報受信部である、構成２．１乃至２．３のいずれか１の非ロボットカー。
［構成２．９］
自車両の運転行動情報を外部に出力する運転行動情報出力部を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた運転行動情報である、構成２．１乃至２．３のいずれか１の非ロボットカー。
［構成２．１０］
自車両のヒューマンドライバによる運転操作を検出する運転操作検出部と、前記走行状況認知部により認知された走行状況と前記運転操作検出部により検出された運転操作とを対応付けた運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有する構成２．１乃至２．３のいずれか１の非ロボットカー。
［構成２．１１］
ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーであって、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記運転行動情報取得部により取得した運転行動情報を参照しつつ、前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、を有することを特徴とするロボットカー。
このロボットカーは、他車両の運転行動情報（経験情報）を参照しつつ自車両の走行状況に基づいて自動運転制御を行う。
したがって、このロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．１２］
ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーであって、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、を有し、前記自動運転制御部は、前記運転行動決定部が運転行動を決定する際に参照する知識情報を記憶した運転知識部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を適宜更新する学習処理部（知識更新処理部）と、を有することを特徴とするロボットカー。
このロボットカーは、他車両の運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う。
したがって、このロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．１３］
ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーであって、自車両の走行状況を認知する走行状況認知部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、を有し、前記自動運転制御部は、前記走行状況認知部により認知された走行状況に応じた運転行動を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）と、を有することを特徴とするロボットカー。
このロボットカーは、他車両の運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように自動運転制御を行う。
したがって、このロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．１４］
前記運転行動情報取得部は、自車両と他車両との間の通信により当該他車両の運転行動情報を受信する運転行動情報受信部である、構成２．１１乃至２．１３のいずれか１のロボットカー。
［構成２．１５］
前記運転行動情報取得部は、自車両と地上静止物との間の通信により他車両の運転行動情報を受信する運転行動情報受信部である、構成２．１１乃至２．１３のいずれか１のロボットカー。
［構成２．１６］
前記運転行動情報取得部は、自車両と道路との間の通信により他車両の運転行動情報を受信する運転行動情報受信部である、構成２．１１乃至２．１３のいずれか１のロボットカー。
［構成２．１７］
前記運転行動情報取得部は、自車両と携帯端末との間の通信により他車両の運転行動情報を受信する運転行動情報受信部である、構成２．１１乃至２．１３のいずれか１の非ロボットカー。
［構成２．１８］
前記運転行動情報取得部は、他車両の運転行動情報をネットワーク上のコンピューティングシステムから受信する運転行動情報受信部である、構成２．１１乃至２．１３のいずれか１のロボットカー。
［構成２．１９］
前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、構成２．１１乃至２．１３のいずれか１のロボットカー。
［構成２．２０］
前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、構成２．１１乃至２．１３のいずれか１のロボットカー。
［構成２．２１］
自車両の運転行動情報を外部に出力する運転行動情報出力部を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた情報である、構成２．１１乃至２．１３のいずれか１のロボットカー。
［構成２．２２］
複数の車両が道路を走行する道路交通システムの車両であって、前記車両は、他車両の運転行動情報を参照して自車両の運転制御を行う機能を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする車両。
この車両は、他車両の運転行動情報を参照して自車両の運転制御を行う。したがって、この車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．２３］
複数の車両が道路を走行する道路交通システムの車両であって、自車両の運転行動情報を他車両に提供する機能と、他車両の運転行動情報の提供を受ける機能と、他車両の運転行動情報に基づいて自車両の運転制御を行う機能と、を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた情報であり、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする車両。
この車両は、自車両と他車両との間で互いに運転行動情報（経験情報）を提供し合うことができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．２４］
複数の車両が道路を走行する道路交通システムの車両であって、自車両と他車両との間の通信により当該他車両の運転行動情報を受け取る機能と、他車両の運転行動情報を参照して自車両の運転制御を行う機能と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする車両。
この車両は、車車間通信により他車両の運転行動情報（経験情報）を受け取ることができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．２５］
複数の車両が道路を走行する道路交通システムの車両であって、自車両と地上静止物との間の通信により他車両の運転行動情報を受け取る機能と、他車両の運転行動情報を参照して自車両の運転制御を行う機能と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする車両。
この車両は、地上静止物との通信により他車両の運転行動情報（経験情報）を受け取ることができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．２６］
複数の車両が道路を走行する道路交通システムの車両であって、自車両と道路との間の通信により他車両の運転行動情報を受け取る機能と、他車両の運転行動情報を参照して自車両の運転制御を行う機能と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする車両。
この車両は、路車間通信により他車両の運転行動情報（経験情報）を受け取ることができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．２７］
複数の車両が道路を走行する道路交通システムの車両であって、自車両と携帯端末との間の通信により他車両の運転行動情報を受け取る機能と、他車両の運転行動情報を参照して自車両の運転を制御する機能と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする車両。
この車両は、携帯端末との通信により他車両の運転行動情報（経験情報）を受け取ることができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．２８］
複数の車両が道路を走行する道路交通システムの車両であって、自車両の運転行動情報をネットワーク上のコンピューティングシステムにアップロードする機能と、他車両の運転行動情報をネットワーク上のコンピューティングシステムからダウンロードする機能と、ネットワーク上のコンピューティングシステムからダウンロードした運転行動情報に基づいて自車両の運転制御を行う機能と、を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた操作履歴情報を含む運転行動情報であり、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする車両。
この車両は、ネットワークを介して多数の自動車との間で運転行動情報（経験情報）を提供し合うことができる。そして、他車両の運転行動情報を自車両の運転制御に利用できる。したがって、この車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．２９］
複数の車両が道路を走行する道路交通システムの車両であって、自車両の運転行動情報をネットワーク上のコンピューティングシステムにアップロードする機能と、自車両の運転行動情報と他車両の運転行動情報とに基づいて生成された運転行動情報をネットワーク上のコンピューティングシステムからダウンロードする機能と、ネットワーク上のコンピューティングシステムからダウンロードした運転行動情報を参照して自車両の運転を制御する機能と、を有し、前記自車両の運転行動情報は、自車両の走行状況と当該自車両においてなされた運転操作とを対応付けた情報であり、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とする車両。
この車両は、自車両の運転行動情報（経験情報）をネットワーク上のコンピューティングシステムにアップロードし、自車両の運転行動情報と他車両の運転行動情報とに基づいて生成された運転行動情報をネットワーク上のコンピューティングシステムからダウンロードすることができる。そして、自車両の運転行動情報と他車両の運転行動情報とに基づいて生成された運転行動情報を自車両の運転制御に利用できる。したがって、この車両は、自車両が未経験の状況においても、自車両の運転行動情報と当該状況を経験したことのある他車両の運転行動情報とに基づいて生成された運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルかそれ以上の運転性能で当該状況に対処できる。
［構成２．３０］
ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーであって、自車両の走行状況を認知する走行状況認知部と、自車両の周辺物体及び運転操作について学習する学習処理部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記運転行動情報取得部により取得した運転行動情報を参照しつつ自車両の前記走行状況認知部により認知された走行状況及び前記学習処理部による学習結果に基づいて自動運転制御を行う自動運転制御部と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報である、ことを特徴とするロボットカー。
このロボットカーは、他車両の運転行動情報（経験情報）を参照しつつ自車両の走行状況及び自車両の学習結果に基づいて自動運転制御を行う。したがって、このロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成２．３１］
ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされるロボットカーであって、自車両の走行状況を認知する走行状況認知部と、自車両の周辺物体及び運転操作について学習する学習処理部と、他車両の運転行動情報を取得する運転行動情報取得部と、前記運転行動情報取得部により取得した運転行動情報を参照しつつ自車両の前記走行状況認知部により認知された走行状況及び前記学習処理部による学習結果に基づいて自動運転制御を行う自動運転制御部と、自車両の運転行動情報を外部に出力する運転行動情報出力部と、を有し、前記他車両の運転行動情報は、他車両の走行状況と当該他車両においてなされた運転操作とを対応付けた情報であり、
前記自車両の運転行動情報は、自車両の走行状況と自車両の前記自動運転制御によりなされた運転操作とを対応付けた情報である、ロボットカー。
このロボットカーは、他車両の運転行動情報（経験情報）を参照しつつ自車両の走行状況及び自車両の学習結果に基づいて自動運転制御を行う。したがって、このロボットカーは、未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報を参照して自動運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。また、このロボットカーは、自車両の運転行動情報（経験情報）を外部に出力するので、ロボットカーから出力された運転行動情報を他車両が参照して運転支援制御又は自動運転制御を行うこともできる。当該他車両は、未経験の状況においても、当該状況を経験したことのあるロボットカーの運転行動情報を参照して運転支援制御又は自動運転制御を行うことにより、当該ロボットカーと同等レベルの運転性能で当該状況に対処できる。 [2. Vehicle configuration and functions in road traffic systems]
The vehicle of the present invention includes a vehicle having the following configuration.
[Configuration 2.1]
A non-robotic car having a driving assistance control function to assist a human driver in driving, characterized in that it comprises: a driving situation recognition unit that recognizes the driving situation of its own vehicle; a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; and a driving assistance control unit that performs driving assistance control based on the driving situation recognized by the driving situation recognition unit, while referring to the driving behavior information acquired by the driving behavior information acquisition unit.
This non-robot car performs driving assistance control based on the driving conditions of its own vehicle while referring to driving behavior information (empirical information) of other vehicles.
Therefore, even in situations that the non-robot car has never experienced, it can handle the situation with the same level of driving performance as other vehicles by performing driving assistance control based on driving behavior information from other vehicles that have experienced the situation.
[Configuration 2.2]

A non-robotic car with a driving assistance control function to assist a human driver in driving, comprising: a driving situation recognition unit that recognizes the driving situation of its own vehicle; a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; and a driving assistance control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs driving assistance control so that the driving operation is performed, wherein the driving assistance control unit comprises: a driving knowledge unit that stores knowledge information (judgment criteria) to be referenced when determining the driving behavior; and a learning processing unit (knowledge update processing unit) that updates the knowledge information stored in the driving knowledge unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
This non-robot car performs a learning process to update knowledge information (such as criteria for determining the driving operation to be performed) based on driving behavior information from other vehicles, and then refers to the knowledge information to determine driving operations according to the driving conditions, and performs driving assistance control to ensure that the driving operations are carried out.
Therefore, even in situations that the non-robot car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform driving assistance control to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 2.3]
A non-robotic car with a driving assistance control function to assist a human driver in driving, comprising: a driving situation recognition unit that recognizes the driving situation of its own vehicle; a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; and a driving assistance control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs driving assistance control so that the driving operation is performed, wherein the driving assistance control unit comprises: a driving operation determination unit that determines, by calculation, a driving behavior in accordance with the driving situation recognized by the driving situation recognition unit; and a learning processing unit (parameter adjustment unit) that adjusts parameters of a driving operation decision function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
This non-robot car performs a learning process to adjust the parameters of a driving operation decision function based on driving behavior information of other vehicles, determines a driving operation according to the driving situation using the driving operation decision function, and performs driving assistance control to execute the driving operation.
Therefore, even in situations that the non-robot car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform driving assistance control to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 2.4]
The non-robot car of any one of configurations 2.1 to 2.3, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of another vehicle through communication between the host vehicle and the other vehicle.
[Configuration 2.5]
The non-robot car of any one of configurations 2.1 to 2.3, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of other vehicles through communication between the vehicle and a ground stationary object.
[Configuration 2.6]
The non-robot car of any one of configurations 2.1 to 2.3, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of other vehicles through communication between the vehicle and a road.
[Configuration 2.7]
The non-robot car of any one of configurations 2.1 to 2.3, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of other vehicles through communication between the vehicle itself and a mobile terminal.
[Configuration 2.8]
The non-robotic car of any one of configurations 2.1 to 2.3, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of other vehicles from a computing system on a network.
[Configuration 2.9]
A non-robot car according to any one of configurations 2.1 to 2.3, comprising a driving behavior information output unit that outputs driving behavior information of the vehicle to an external device, the driving behavior information of the vehicle being driving behavior information that associates a driving situation of the vehicle with a driving operation performed on the vehicle.
[Configuration 2.10]
A non-robotic car according to any one of configurations 2.1 to 2.3, comprising: a driving operation detection unit that detects driving operations by a human driver of the vehicle; and a driving behavior information transmission unit that transmits driving behavior information that associates the driving situation recognized by the driving situation recognition unit with the driving operation detected by the driving operation detection unit to the computing system.
[Configuration 2.11]
A robot car that is driven by automatic driving control instead of by a human driver, and is characterized by having: a driving situation recognition unit that recognizes the driving situation of its own vehicle; a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; and an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit, while referring to the driving behavior information acquired by the driving behavior information acquisition unit.
This robot car performs automatic driving control based on the driving conditions of its own vehicle while referring to driving behavior information (empirical information) of other vehicles.
Therefore, even in situations that the robot car has never experienced, it can handle the situation with the same level of driving performance as other vehicles by performing automatic driving control based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 2.12]
A robot car that is driven by automatic driving control instead of by a human driver, and comprises: a driving situation recognition unit that recognizes the driving situation of its own vehicle; a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; and an automatic driving control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs automatic driving control so that the driving operation is executed, wherein the automatic driving control unit comprises: a driving knowledge unit that stores knowledge information that the driving behavior determination unit refers to when determining driving behavior; and a learning processing unit (knowledge update processing unit) that appropriately updates the knowledge information stored in the driving knowledge unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
This robot car performs a learning process to update knowledge information (such as the criteria for determining the driving operation to be performed) based on the driving behavior information of other vehicles, and then refers to the knowledge information to determine the driving operation according to the driving situation, and performs automatic driving control so that the driving operation is executed.
Therefore, even in situations that the robot car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform automatic driving control, allowing it to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 2.13]
A robot car that is driven by automatic driving control instead of by a human driver, and comprises: a driving situation recognition unit that recognizes the driving situation of its own vehicle; a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; and an automatic driving control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs automatic driving control so that the driving operation is executed, wherein the automatic driving control unit comprises: a driving operation determination unit that determines, by calculation, a driving behavior according to the driving situation recognized by the driving situation recognition unit; and a learning processing unit (parameter adjustment unit) that adjusts parameters of a driving operation decision function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
This robot car performs a learning process to adjust the parameters of a driving operation decision function based on driving behavior information of other vehicles, determines driving operations according to the driving conditions using the driving operation decision function, and performs automatic driving control to execute those driving operations.
Therefore, even in situations that the robot car has never experienced, it can learn the driving behavior of other vehicles that have experienced the same situation and perform automatic driving control, allowing it to deal with the situation with driving performance at the same level as those other vehicles.
[Configuration 2.14]
The robot car of any one of configurations 2.11 to 2.13, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of another vehicle through communication between the host vehicle and the other vehicle.
[Configuration 2.15]
The robot car of any one of configurations 2.11 to 2.13, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of other vehicles through communication between the vehicle and a ground stationary object.
[Configuration 2.16]
The robot car of any one of configurations 2.11 to 2.13, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of other vehicles through communication between the host vehicle and a road.
[Configuration 2.17]
The non-robot car of any one of configurations 2.11 to 2.13, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of other vehicles through communication between the vehicle itself and a mobile terminal.
[Configuration 2.18]
The robot car of any one of configurations 2.11 to 2.13, wherein the driving behavior information acquisition unit is a driving behavior information receiving unit that receives driving behavior information of other vehicles from a computing system on a network.
[Configuration 2.19]
The robot car according to any one of configurations 2.11 to 2.13, wherein the driving behavior information of the other vehicle is information that associates the driving situation of the other vehicle with the driving operation performed in the other vehicle.
[Configuration 2.20]
The robot car according to any one of configurations 2.11 to 2.13, wherein the driving behavior information of the other vehicle is information that associates the driving situation of the other vehicle with the driving operation performed in the other vehicle.
[Configuration 2.21]
The robot car of any one of configurations 2.11 to 2.13, further comprising a driving behavior information output unit that outputs driving behavior information of the vehicle to an external device, the driving behavior information of the vehicle being information that associates a driving situation of the vehicle with a driving operation performed on the vehicle.
[Configuration 2.22]
A vehicle in a road traffic system in which multiple vehicles travel on a road, characterized in that the vehicle has a function of controlling driving of the vehicle by referring to driving behavior information of other vehicles, and the driving behavior information of the other vehicles is information that corresponds the driving conditions of the other vehicles with driving operations performed in the other vehicles.
This vehicle controls its own driving by referring to the driving behavior information of other vehicles. Therefore, even in a situation that the vehicle has not experienced, the vehicle can handle the situation with the same level of driving performance as the other vehicles by controlling its own driving based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 2.23]
A vehicle in a road traffic system in which multiple vehicles travel on a road has the following functions: a function to provide driving behavior information of the vehicle itself to other vehicles; a function to receive driving behavior information of the other vehicles; and a function to control the driving of the vehicle itself based on the driving behavior information of the other vehicles; wherein the driving behavior information of the vehicle itself is information that associates the driving situation of the vehicle with driving operations performed in the vehicle itself, and the driving behavior information of the other vehicles is information that associates the driving situation of the other vehicles with driving operations performed in the other vehicles.
This vehicle can exchange driving behavior information (experience information) with other vehicles. The driving behavior information of the other vehicles can be used for driving control of the vehicle. Therefore, even in a situation that the vehicle has not experienced, the vehicle can handle the situation with the same level of driving performance as the other vehicles by performing driving control with reference to the driving behavior information of the other vehicles that have experienced the situation.
[Configuration 2.24]
A vehicle in a road traffic system in which multiple vehicles travel on a road, the vehicle having a function of receiving driving behavior information of other vehicles through communication between the vehicle and the other vehicles, and a function of controlling the driving of the vehicle by referring to the driving behavior information of the other vehicles, wherein the driving behavior information of the other vehicles is information that associates the driving conditions of the other vehicles with driving operations performed in the other vehicles.
This vehicle can receive driving behavior information (experience information) of other vehicles through vehicle-to-vehicle communication. The driving behavior information of the other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in a situation that the vehicle itself has not experienced, the vehicle can handle the situation with the same level of driving performance as the other vehicles by performing driving control based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 2.25]
A vehicle in a road traffic system in which multiple vehicles travel on a road, the vehicle having a function of receiving driving behavior information of other vehicles through communication between the vehicle and a ground stationary object, and a function of controlling the driving of the vehicle by referring to the driving behavior information of the other vehicles, the driving behavior information of the other vehicles being information that associates the driving conditions of the other vehicles with driving operations performed in the other vehicles.
This vehicle can receive driving behavior information (experience information) of other vehicles through communication with ground stationary objects. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in a situation that the vehicle itself has not experienced, the vehicle can handle the situation with the same level of driving performance as the other vehicles by performing driving control based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 2.26]
A vehicle in a road traffic system in which multiple vehicles travel on a road, the vehicle having a function of receiving driving behavior information of other vehicles through communication between the vehicle and the road, and a function of controlling the driving of the vehicle by referring to the driving behavior information of the other vehicles, the driving behavior information of the other vehicles being information that associates the driving conditions of the other vehicles with driving operations performed in the other vehicles.
This vehicle can receive driving behavior information (experience information) of other vehicles via road-to-vehicle communication. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in situations that the vehicle itself has not experienced, the vehicle can handle the situation with the same level of driving performance as the other vehicles by performing driving control based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 2.27]
A vehicle in a road traffic system in which multiple vehicles travel on a road, the vehicle having a function of receiving driving behavior information of other vehicles through communication between the vehicle and a mobile terminal, and a function of controlling the driving of the vehicle by referring to the driving behavior information of the other vehicles, wherein the driving behavior information of the other vehicles is information that associates the driving conditions of the other vehicles with driving operations performed in the other vehicles.
This vehicle can receive driving behavior information (experience information) of other vehicles through communication with a mobile device. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in a situation that the vehicle itself has not experienced, the vehicle can handle the situation with the same level of driving performance as the other vehicles by performing driving control based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 2.28]
A vehicle in a road traffic system in which multiple vehicles travel on a road, the vehicle having the following functions: a function of uploading driving behavior information of the vehicle itself to a computing system on a network; a function of downloading driving behavior information of other vehicles from the computing system on the network; and a function of controlling the driving of the vehicle itself based on the driving behavior information downloaded from the computing system on the network; wherein the driving behavior information of the vehicle itself is driving behavior information including operation history information that associates the driving conditions of the vehicle itself with driving operations performed in the vehicle itself, and the driving behavior information of the other vehicles is information that associates the driving conditions of the other vehicles with driving operations performed in the other vehicles.
This vehicle can exchange driving behavior information (experience information) with many other vehicles via a network. The driving behavior information of other vehicles can then be used to control the driving of the vehicle itself. Therefore, even in situations that the vehicle itself has not experienced, the vehicle can handle the situation with the same level of driving performance as the other vehicles by controlling the driving based on the driving behavior information of other vehicles that have experienced the situation.
[Configuration 2.29]
A vehicle in a road traffic system in which multiple vehicles travel on a road, the vehicle having the following functions: uploading driving behavior information of the vehicle to a computing system on a network; downloading driving behavior information generated based on the driving behavior information of the vehicle itself and driving behavior information of other vehicles from the computing system on the network; and controlling the driving of the vehicle by referring to the driving behavior information downloaded from the computing system on the network, wherein the driving behavior information of the vehicle itself is information that associates the driving situation of the vehicle with driving operations performed in the vehicle, and the driving behavior information of the other vehicles is information that associates the driving situation of the other vehicles with driving operations performed in the other vehicles.
This vehicle can upload its own driving behavior information (experience information) to a computing system on the network and download driving behavior information generated based on its own driving behavior information and that of other vehicles from the computing system on the network. The driving behavior information generated based on its own driving behavior information and that of other vehicles can then be used to control the driving of its own vehicle. Therefore, even in a situation that the vehicle has not experienced, the vehicle can handle the situation with driving performance at a level equal to or higher than that of the other vehicles by performing driving control with reference to the driving behavior information generated based on its own driving behavior information and that of other vehicles that have experienced the situation.
[Configuration 2.30]
A robot car that is driven by automatic driving control instead of by a human driver, comprising: a driving situation recognition unit that recognizes the driving situation of its own vehicle; a learning processing unit that learns about objects around the own vehicle and driving operations; a driving behavior information acquisition unit that acquires driving behavior information of other vehicles; and an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit of the own vehicle and the learning results by the learning processing unit while referring to the driving behavior information acquired by the driving behavior information acquisition unit, wherein the driving behavior information of the other vehicles is information that associates the driving situation of the other vehicles with the driving operations performed in the other vehicles.
This robot car performs autonomous driving control based on the driving situation of its own vehicle and its own learning results while referring to driving behavior information (experience information) of other vehicles. Therefore, even in situations that the own vehicle has not experienced, this robot car can handle the situation with driving performance at the same level as the other vehicles by performing autonomous driving control by referring to driving behavior information of other vehicles that have experienced the situation.
[Configuration 2.31]
A robot car that is driven by automatic driving control instead of by a human driver, and includes a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a learning processing unit that learns about surrounding objects and driving operations of the vehicle itself, a driving behavior information acquisition unit that acquires driving behavior information of other vehicles, an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit of the vehicle itself and the learning results of the learning processing unit while referring to the driving behavior information acquired by the driving behavior information acquisition unit, and a driving behavior information output unit that outputs the driving behavior information of the vehicle itself to the outside, wherein the driving behavior information of the other vehicles is information that associates the driving situation of the other vehicles with driving operations performed in the other vehicles,
The driving behavior information of the host vehicle is information that associates the driving situation of the host vehicle with the driving operations performed by the automatic driving control of the host vehicle.
This robot car performs autonomous driving control based on the driving situation of its own vehicle and its own vehicle's learning results while referring to driving behavior information (experience information) of other vehicles. Therefore, even in unfamiliar situations, this robot car can handle the situation with driving performance at a level equivalent to that of other vehicles by performing autonomous driving control with reference to driving behavior information of other vehicles that have experienced the situation. Furthermore, this robot car outputs its own vehicle's driving behavior information (experience information) to the outside, so that other vehicles can refer to the driving behavior information output from the robot car to perform driving assistance control or autonomous driving control. Even in unfamiliar situations, this other vehicle can handle the situation with driving performance at a level equivalent to that of the robot car by performing driving assistance control or autonomous driving control with reference to driving behavior information of robot cars that have experienced the situation.

［３．コンピューティングシステムの構成とその作用］
本発明のコンピューティングシステムには、以下の構成のコンピューティングシステムが含まれる。
［構成３．１］
複数の車両が道路を走行する道路交通システムのコンピューティングシステムであって、１又は複数の車両の運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する運転行動情報送信機能と、を有するコンピューティングシステム。
このコンピューティングシステムは、１又は複数の車両の運転行動情報（経験情報）を受信し、当該運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の車両に送信する。このコンピューティングシステムから運転行動情報を受信した車両は、当該運転行動情報を自車両の運転制御に利用できる。すなわち、当該車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
［構成３．２］
複数の車両が道路を走行する道路交通システムのコンピューティングシステムであって、１又は複数の車両の運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成機能と、前記最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新機能と、前記最適化された運転行動情報を１又は複数の車両に送信する運転行動情報送信機能と、を有するコンピューティングシステム。
このコンピューティングシステムは、１又は複数の車両の運転行動情報（経験情報）を受信し、当該運転行動情報に基づいて最適化された運転行動情報を生成し、当該最適化された運転行動情報を最新の情報に更新して管理し、１又は複数の車両に送信する。このコンピューティングシステムから運転行動情報を受信した車両は、当該運転行動情報を自車両の運転制御に利用できる。すなわち、当該車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて最適化された運転行動情報を参照して運転制御を行うことにより、当該他車両と同等レベルかそれ以上の運転性能で当該状況に対処できる。
［構成３．３］
複数の車両が道路を走行する道路交通システムのコンピューティングシステムであって、ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を非ロボットカーに送信する運転行動情報送信機能と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、前記走行状況認知部により認知された走行状況と自動運転制御による運転操作とを対応付けた運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記非ロボットカーは、ヒューマンドライバにより運転を支援する運転支援機能を有する車両であって、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、自車両の前記走行状況認知部により認知された走行状況に基づいて運転支援制御を行う運転支援制御部と、を有することを特徴とするコンピューティングシステム。
このコンピューティングシステムは、ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報を非ロボットカーに送信する。コンピューティングシステムから運転行動情報を受信したロボットカーは、当該運転行動情報を参照しつつ、自車両の走行状況に基づいて運転支援制御を行う。したがって、非ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのあるロボットカーの運転行動情報を参照しつつ運転支援制御を行うことにより、当該非ロボットカーと同等レベルの運転性能で当該状況に対処できる。
そして、このコンピューティングシステムによれば、ロボットカーと非ロボットカーとが共存する状況下で、ロボットカーの運転テクニックを非ロボットカーに学習させて、非ロボットカーの運転支援性能を高効率に向上させることができる。非ロボットカーの運転支援性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成３．４］
複数の車両が道路を走行する道路交通システムのコンピューティングシステムであって、非ロボットカーから運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報をロボットカーに送信する運転行動情報送信機能と、を有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部と、前記走行状況認知部により認知された走行状況と前記運転操作検出部により検出された運転操作とを対応付けた運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、自車両の前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、を有することを特徴とするコンピューティングシステム。
このコンピューティングシステムは、非ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報をロボットカーに送信する。コンピューティングシステムから運転行動情報を受信したロボットカーは、当該運転行動情報を参照しつつ、自車両の走行状況に基づいて自動運転制御を行う。したがって、ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある非ロボットカーの運転行動情報を参照しつつ自動運転制御を行うことにより、当該非ロボットカーと同等レベルの運転性能で当該状況に対処できる。
そして、このコンピューティングシステムによれば、ロボットカーと非ロボットカーとが共存する状況下で、非ロボットカーを運転するヒューマンドライバの運転テクニックをロボットカーに学習させて、ロボットカーの自動運転性能を高効率に向上させることができる。ロボットカーの自動運転性能が向上するにつれて、道路交通システム全体の運用効率の向上、安全性の向上、等が図られる。
［構成３．５］
複数の車両が道路を走行する道路交通システムのコンピューティングシステムであって、１又は複数のロボットカーの運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報を当該運転行動情報の送信元とは異なる１又は複数のロボットカーに送信する運転行動情報送信機能と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、自車両の前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、前記走行状況認知部により認知された走行状況と自動運転制御による運転操作とを対応付けた運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記運転行動情報は、前記ロボットカーの走行状況と運転操作とを対応付けた情報である、コンピューティングシステム。
このコンピューティングシステムは、ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報を当該運転行動情報の送信元とは異なるロボットカーに送信する。このコンピューティングシステムから運転行動情報を受信したロボットカーは、他ロボットカーの運転行動情報を参照しつつ自車両の走行状況に基づいて自動運転制御を行う。したがって、当該ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他ロボットカーの運転行動情報を参照しつつ自車両の走行状況に応じた自動運転制御を行うことにより、当該他ロボットカーと同等レベルの運転性能で当該状況に対処できる。
このコンピューティングシステムによれば、道路交通システム内のロボットカー同士が運転行動情報を利用し合うことにより、道路交通システム内のロボットカーの学習効率を高めて、自動運転性能を急速に向上させることができる。道路交通システム内の全てのロボットカーの自動運転性能を急速に向上させることができるため、道路交通システム全体の運用効率、安全性、等が急速に向上する。
［構成３．６］
複数の車両が道路を走行する道路交通システムのコンピューティングシステムであって、１又は複数のロボットカーの運転行動情報を受信する運転行動情報受信機能と、前記運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成機能と、前記最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新機能と、前記最適化された運転行動情報を１又は複数のロボットカーに送信する運転行動情報送信機能と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、前記運転行動情報を受信する運転行動情報受信部と、前記運転行動情報受信部により受信した運転行動情報を参照しつつ、自車両の前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行う自動運転制御部と、前記走行状況認知部により認知された走行状況と自動運転制御による運転操作とを対応付けた運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部と、を有し、前記運転行動情報は、前記ロボットカーの走行状況と運転操作とを対応付けた情報である、コンピューティングシステム。
このコンピューティングシステムは、ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報に基づいて最適化された運転行動情報を生成し、当該最適化された運転行動情報を最新の情報に更新して管理し、当該運転行動情報をロボットカーに送信する。このコンピューティングシステムから運転行動情報を受信したロボットカーは、他ロボットカーの運転行動情報を参照しつつ自車両の走行状況に基づいて自動運転制御を行う。したがって、当該ロボットカーは、自車両が未経験の状況においても、当該状況を経験したことのある他ロボットカーの運転行動情報に基づいて最適化された運転行動情報を参照して自動運転制御を行うことにより、当該他ロボットカーと同等レベルかそれ以上の運転性能で当該状況に対処できる。
このコンピューティングシステムによれば、道路交通システム内のロボットカー同士が運転行動情報を利用し合うことにより、道路交通システム内のロボットカーの学習効率を高めて、自動運転性能を急速に向上させることができる。道路交通システム内の全てのロボットカーの自動運転性能を急速に向上させることができるため、道路交通システム全体の運用効率、安全性、等が急速に向上する。
［構成３．７］
前記最適化された運転行動情報は、前記運転行動情報の提供を受ける車両の車両属性に応じて最適化された運転行動情報、前記運転行動情報の提供を受ける車両が障害物と接触する可能性が最少になるように最適化された運転行動情報、前記運転行動情報の提供を受ける車両の消費エネルギが最少になるように最適化された運転行動情報、前記運転行動情報の提供を受ける車両の回生エネルギが最大になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における加速回数或いは加速時間が最少になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における制動回数又は制動時間が最少又は最大になるように最適化された運転行動情報、出発地点から到着地点までの走行距離が最少になるように最適化された運転行動情報、又は、出発地点から到着地点までの走行時間が最少になるように最適化された運転行動情報である、構成３．２又は３．６のコンピューティングシステム。
［構成３．８］
前記最適化情報生成機能は、前記運転行動情報の提供を受ける車両の車両属性に基づいて、当該車両が障害物と接触する可能性が最も小さくなるように、前記運転行動情報を修正する機能を含む、構成３．２、３．６のいずれか１のコンピューティングシステム。
このコンピューティングシステムは、運転行動情報の提供元の車両（提供元車両）の車両属性と当該運転行動情報の提供を受ける車両（提供先車両）の車両属性が相違する場合、当該提供先車両が障害物と接触する可能性が最も小さくなるように修正された運転行動情報が当該提供先車両に提供する。
このコンピューティングシステムによれば、運転行動情報の提供元車両と提供先車両の車両属性が相違する場合でも、車両同士が運転行動情報を参照して運転支援制御又は自動運転制御を行うことができる。 [3. Configuration and Function of Computing System]
The computing system of the present invention includes a computing system having the following configuration.
[Configuration 3.1]
A computing system for a road traffic system in which multiple vehicles travel on a road, the computing system having a driving behavior information receiving function that receives driving behavior information of one or more vehicles, and a driving behavior information transmitting function that transmits the driving behavior information to one or more vehicles that are different from the source of the driving behavior information.
This computing system receives driving behavior information (experience information) from one or more vehicles and transmits the driving behavior information to one or more vehicles different from the source of the driving behavior information. A vehicle that receives the driving behavior information from this computing system can use the driving behavior information for driving control of its own vehicle. That is, even in a situation that the vehicle has not experienced, the vehicle can handle the situation with driving performance at the same level as the other vehicle by performing driving control based on the driving behavior information of the other vehicle that has experienced the situation.
[Configuration 3.2]
A computing system for a road traffic system in which multiple vehicles travel on a road, the computing system having a driving behavior information receiving function that receives driving behavior information of one or multiple vehicles, an optimization information generating function that generates optimized driving behavior information based on the driving behavior information, an optimization information updating function that updates the optimized driving behavior information to the latest information and manages it, and a driving behavior information transmitting function that transmits the optimized driving behavior information to one or multiple vehicles.
This computing system receives driving behavior information (experience information) of one or more vehicles, generates optimized driving behavior information based on the driving behavior information, updates the optimized driving behavior information to the latest information, manages the information, and transmits it to one or more vehicles. A vehicle that receives driving behavior information from this computing system can use the driving behavior information for driving control of its own vehicle. That is, even in a situation that the vehicle has not experienced, the vehicle can handle the situation with driving performance at the same level or higher than that of the other vehicle by performing driving control with reference to driving behavior information optimized based on driving behavior information of other vehicles that have experienced the situation.
[Configuration 3.3]
A computing system for a road traffic system in which multiple vehicles travel on a road, the computing system having a driving behavior information receiving function for receiving driving behavior information from a robot car and a driving behavior information transmitting function for transmitting the driving behavior information to a non-robotic car, wherein the robot car is a vehicle that is driven by automatic driving control instead of by a human driver, the computing system having a driving situation recognition unit that recognizes the driving situation of the vehicle itself, and a driving behavior information transmitting unit that transmits driving behavior information that associates the driving situation recognized by the driving situation recognition unit with the driving operation by the automatic driving control to the computing system, and the non-robotic car is a vehicle that has a driving assistance function that assists driving by a human driver, the computing system having a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a driving behavior information receiving unit that receives the driving behavior information, and a driving assistance control unit that performs driving assistance control based on the driving situation recognized by the driving situation recognition unit of the vehicle itself, while referring to the driving behavior information received by the driving behavior information receiving unit.
This computing system receives driving behavior information (experience information) from the robotic car and transmits the driving behavior information to the non-robotic car. The robotic car that receives the driving behavior information from the computing system performs driving assistance control based on the driving situation of its own vehicle while referring to the driving behavior information. Therefore, even in a situation that the non-robotic car has not experienced, it can handle the situation with driving performance at the same level as the non-robotic car by performing driving assistance control while referring to the driving behavior information of a robotic car that has experienced the situation.
This computing system allows for the coexistence of robotic and non-robotic cars to have the non-robotic cars learn the driving techniques of the robotic cars, thereby efficiently improving the driving assistance capabilities of the non-robotic cars. As the driving assistance capabilities of non-robotic cars improve, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 3.4]
1. A computing system for a road traffic system in which multiple vehicles travel on a road, the computing system having a driving behavior information receiving function for receiving driving behavior information from a non-robotic car, and a driving behavior information transmitting function for transmitting the driving behavior information to a robotic car, wherein the non-robotic car is a vehicle driven by a human driver, the computing system having a driving situation recognition unit for recognizing the driving situation of the vehicle, a driving operation detection unit for detecting driving operations by the human driver of the vehicle, and a driving behavior information transmitting unit for transmitting to the computing system driving behavior information that associates the driving situation recognized by the driving situation recognition unit with the driving operation detected by the driving operation detection unit, and the robotic car is a vehicle driven by automatic driving control instead of by a human driver, the computing system having a driving situation recognition unit for recognizing the driving situation of the vehicle, a driving behavior information receiving unit for receiving the driving behavior information, and an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit of the vehicle, while referring to the driving behavior information received by the driving behavior information receiving unit.
This computing system receives driving behavior information (experience information) from non-robotic cars and transmits the driving behavior information to the robotic car. The robotic car, having received the driving behavior information from the computing system, performs autonomous driving control based on its own vehicle's driving conditions while referring to the driving behavior information. Therefore, even in situations that the robotic car has not experienced, the robotic car can handle the situation with the same level of driving performance as the non-robotic car by performing autonomous driving control while referring to the driving behavior information of non-robotic cars that have experienced the situation.
This computing system allows robotic cars to learn the driving techniques of human drivers operating non-robotic cars in a situation where robotic cars and non-robotic cars coexist, thereby efficiently improving the autonomous driving performance of the robotic cars. As the autonomous driving performance of robotic cars improves, the operational efficiency and safety of the entire road traffic system will improve.
[Configuration 3.5]
a driving behavior information receiving unit that receives the driving behavior information; an autonomous driving control unit that performs autonomous driving control based on the driving situation recognized by the driving situation recognition unit of the vehicle itself, while referring to the driving behavior information received by the driving behavior information receiving unit; and a driving behavior information transmitting unit that transmits driving behavior information to the computing system, the driving behavior information correlating the driving situation recognized by the driving situation recognition unit with driving operations performed by the autonomous driving control;
This computing system receives driving behavior information (experience information) from a robot car and transmits the driving behavior information to a robot car different from the sender of the driving behavior information. The robot car that receives the driving behavior information from this computing system performs autonomous driving control based on the driving situation of its own vehicle while referring to the driving behavior information of the other robot car. Therefore, even in a situation that the robot car has not experienced, the robot car can handle the situation with driving performance at the same level as the other robot car by performing autonomous driving control according to the driving situation of the own vehicle while referring to the driving behavior information of the other robot car that has experienced the situation.
This computing system allows the robot cars in the road traffic system to share driving behavior information with each other, thereby increasing the learning efficiency of the robot cars in the road traffic system and rapidly improving their autonomous driving performance. Rapidly improving the autonomous driving performance of all robot cars in the road traffic system rapidly improves the operational efficiency, safety, and other aspects of the entire road traffic system.
[Configuration 3.6]
a driving behavior information receiving unit that receives the driving behavior information; an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit of the subject vehicle while referring to the driving behavior information received by the driving behavior information receiving unit; and a driving behavior information transmitting unit that transmits driving behavior information to the computing system, the driving behavior information correlating the driving situation recognized by the driving situation recognition unit with driving operations performed by the automatic driving control;
This computing system receives driving behavior information (experience information) from the robot car, generates optimized driving behavior information based on the driving behavior information, updates and manages the optimized driving behavior information, and transmits the driving behavior information to the robot car. The robot car that receives the driving behavior information from this computing system performs autonomous driving control based on its own driving situation while referencing the driving behavior information of other robot cars. Therefore, even in situations that the robot car has not experienced, the robot car can handle the situation with driving performance at a level equal to or better than that of the other robot cars by performing autonomous driving control with reference to driving behavior information optimized based on driving behavior information of other robot cars that have experienced the situation.
This computing system allows the robot cars in the road traffic system to share driving behavior information with each other, thereby increasing the learning efficiency of the robot cars in the road traffic system and rapidly improving their autonomous driving performance. Rapidly improving the autonomous driving performance of all robot cars in the road traffic system rapidly improves the operational efficiency, safety, and other aspects of the entire road traffic system.
[Configuration 3.7]
The computing system of configuration 3.2 or 3.6, wherein the optimized driving behavior information is driving behavior information optimized according to vehicle attributes of a vehicle receiving the driving behavior information, driving behavior information optimized to minimize the possibility of a vehicle receiving the driving behavior information coming into contact with an obstacle, driving behavior information optimized to minimize the energy consumption of a vehicle receiving the driving behavior information, driving behavior information optimized to maximize the regenerative energy of a vehicle receiving the driving behavior information, driving behavior information optimized to minimize the number of accelerations or acceleration time within a specified driving distance or a specified driving time, driving behavior information optimized to minimize or maximize the number of braking operations or braking time within a specified driving distance or a specified driving time, driving behavior information optimized to minimize the driving distance from a departure point to a destination point, or driving behavior information optimized to minimize the driving time from a departure point to a destination point.
[Configuration 3.8]
The computing system of any one of configurations 3.2 and 3.6, wherein the optimization information generation function includes a function of modifying the driving behavior information based on vehicle attributes of a vehicle provided with the driving behavior information so as to minimize the possibility of the vehicle coming into contact with an obstacle.
When the vehicle attributes of the vehicle (provider vehicle) that provides driving behavior information differ from the vehicle attributes of the vehicle (destination vehicle) that receives the driving behavior information, this computing system provides the destination vehicle with driving behavior information that has been modified to minimize the possibility of the destination vehicle coming into contact with an obstacle.
According to this computing system, even if the vehicle attributes of the vehicle providing the driving behavior information and the vehicle receiving the information differ, the vehicles can refer to the driving behavior information and perform driving assistance control or automatic driving control.

［４．コンピュータプログラム］
本発明のコンピュータプログラムには、以下の構成のプログラムが含まれる。
［構成４．１］
構成１．１乃至１．３９のいずれかに記載の道路交通システムを１又は複数のコンピュータを用いて実現するためのコンピュータプログラム。
このコンピュータプログラムを道路交通システムを構成する１又は複数のコンピュータにより実行することにより、構成１．１乃至１．３９のいずれか１の道路交通システムが実現される。
［構成４．２］
構成２．１乃至２．１０のいずれかに記載の非ロボットカーを１又は複数のコンピュータを用いて実現するためのコンピュータプログラム。
このコンピュータプログラムを非ロボットカーを構成する１又は複数のコンピュータにより実行することにより、構成２．１乃至２．１０のいずれかに記載の非ロボットカーが実現される。
［構成４．３］
構成２．１１乃至２．２２、構成２．３０、構成２．３１のいずれかに記載のロボットカーを１又は複数のコンピュータを用いて実現するためのコンピュータプログラム。
このコンピュータプログラムをロボットカーを構成する１又は複数のコンピュータにより実行することにより、構成２．１１乃至２．２２、構成２．３０、構成２．３１のいずれかに記載の非ロボットカーが実現される。
［構成４．１］
構成３．１乃至３．８のいずれか１のコンピューティングシステムを１又は複数のコンピュータにより実現するためのコンピュータプログラム。
このコンピュータプログラムを１又は複数のコンピュータにより実行することにより、構成３．１乃至３．８のいずれか１のコンピューティングシステムが実現される。 4. Computer Programs
The computer program of the present invention includes a program having the following configuration.
[Configuration 4.1]
A computer program for implementing the road traffic system according to any one of structures 1.1 to 1.39 using one or more computers.
By executing this computer program on one or more computers that constitute a road traffic system, a road traffic system according to any one of configurations 1.1 to 1.39 is realized.
[Configuration 4.2]
A computer program for implementing the non-robotic car according to any one of structures 2.1 to 2.10 using one or more computers.
By executing this computer program on one or more computers that constitute the non-robotic car, the non-robotic car described in any one of configurations 2.1 to 2.10 is realized.
[Configuration 4.3]
A computer program for implementing the robot car according to any one of Structures 2.11 to 2.22, Structure 2.30, and Structure 2.31 using one or more computers.
By executing this computer program on one or more computers that constitute the robot car, the non-robot car described in any one of Configurations 2.11 to 2.22, Configuration 2.30, and Configuration 2.31 is realized.
[Configuration 4.1]
A computer program for implementing the computing system of any one of configurations 3.1 to 3.8 on one or more computers.
By executing this computer program on one or more computers, a computing system according to any one of configurations 3.1 to 3.8 is realized.

［５．車両共用システムの構成とその作用］
構成１．１乃至１．４０のいずれか１の道路交通システムにおいて、車両を複数の利用者によって共用することを特徴とする車両共用システム。
本発明によれば、本発明の道路交通システムを利用して、車両共用システムを構築できる。
本発明の車両共用システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、ロボットカーの運転テクニックを非ロボットカーに学習させて、非ロボットカーの運転支援性能を高効率に向上させることができる。非ロボットカーの運転支援性能が向上するにつれて、車両共用システム全体の運用効率の向上、安全性の向上、顧客満足度の向上、等が図られる。
本発明の車両共用システムによれば、ロボットカーと非ロボットカーとが共存する状況下で、ロボットカーの運転テクニックを非ロボットカーに学習させて、非ロボットカーの運転支援性能を高効率に向上させることができる。非ロボットカーの運転支援性能が向上するにつれて、車両共用システム全体の運用効率の向上、安全性の向上、顧客満足度の向上、等が図られる。
本発明の車両共用システムによれば、車両共用システム内のロボットカー同士が運転行動情報を利用し合うことにより、車両共用システム内のロボットカーの学習効率を高めて、自動運転性能を急速に向上させることができる。車両共用システム内の全てのロボットカーの自動運転性能を急速に向上させることができるため、車両共用システム全体の運用効率、安全性、顧客満足度、等が急速に向上する。 [5. Configuration and Function of Shared Vehicle System]
A shared vehicle system in the road traffic system of any one of configurations 1.1 to 1.40, characterized in that a vehicle is shared by a plurality of users.
According to the present invention, a vehicle sharing system can be constructed by utilizing the road traffic system of the present invention.
According to the vehicle sharing system of the present invention, in a situation where robotic cars and non-robotic cars coexist, the non-robotic cars can learn the driving techniques of the robotic cars, thereby efficiently improving the driving assistance performance of the non-robotic cars. As the driving assistance performance of the non-robotic cars improves, the operational efficiency of the entire vehicle sharing system, safety, and customer satisfaction can be improved.
According to the vehicle sharing system of the present invention, in a situation where robotic cars and non-robotic cars coexist, the non-robotic cars can learn the driving techniques of the robotic cars, thereby efficiently improving the driving assistance performance of the non-robotic cars. As the driving assistance performance of the non-robotic cars improves, the operational efficiency of the entire vehicle sharing system, safety, and customer satisfaction can be improved.
According to the vehicle sharing system of the present invention, the robot cars in the vehicle sharing system can share driving behavior information with each other, thereby increasing the learning efficiency of the robot cars in the vehicle sharing system and rapidly improving their autonomous driving performance. Rapidly improving the autonomous driving performance of all robot cars in the vehicle sharing system rapidly improves the operational efficiency, safety, customer satisfaction, and other aspects of the entire vehicle sharing system.

［６．コンピュータプログラム］
本発明の車両共用システムを１又は複数のコンピュータを用いて実現するためのコンピュータプログラム。
このコンピュータプログラムを１又は複数のコンピュータにより実行することにより、本発明の道路交通システムを利用して、車両共用システムを構築できる。
［７．ロボットカー教習システムの構成とその作用］
本発明のロボットカー教習システムには、以下の構成のシステムが含まれる。
［構成７．１］
ロボットカーと、当該ロボットカーと同じ経路を走行する非ロボットカーとを有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部と、前記走行状況認知部により認知された走行状況と前記運転操作検出部により検出された運転操作とを対応付けた運転行動情報を出力する運転行動情報出力部と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、前記非ロボットカーの運転行動情報を取得する運転行動情報取得部と、自車両の前記走行状況認知部により認知された走行状況に基づいて自動運転制御を行うとともに、前記運転行動情報取得部により取得した運転行動情報に基づいて前記非ロボットカーの運転行動を学習する学習処理を行う自動運転制御部と、を有することを特徴とするロボットカー教習システム。
このロボットカー教習システムにおいては、非ロボットカーは、自車両の走行状況と自車両のヒューマンドライバによりなされた運転操作とを対応付けた運転行動情報を出力する。ロボットカーは、非ロボットカーから出力された運転行動情報を取得する。そして、ロボットカーは、自車両の走行状況に基づいて自動運転制御を行うとともに、取得した運転行動情報に基づいて非ロボットカーの運転行動を学習する。
このロボットカー教習システムによれば、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させて、ロボットカーの自動運転性能を向上させることができる。ロボットカーの自動運転性能が向上するにつれて、ロボットカーの安全性・信頼性が向上し、ひいてはロボットカーと非ロボットカーとが共存する道路交通システム全体の安全性・信頼性が向上する。
［構成７．２］
前記自動運転制御部は、前記運転行動情報取得部により取得した運転行動情報を学習データセット（走行状況と当該状況においてなされた運転操作との組）として、当該運転行動情報に含まれる個々の走行状況において前記非ロボットカーと同じ運転操作（正解の操作）が自車両においてなされるように学習処理（教師あり学習による学習処理）を行う、構成７．１のロボットカー教習システム。
このロボットカー教習システムによれば、非ロボットカーの運転行動情報を学習データセットとする教師あり学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成７．３］
前記自動運転制御部は、前記非ロボットカーの運転行動情報から把握される非ロボットカーの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカーの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与え、最も多くの報酬が得られそうな運転行動をとるように学習処理（強化学習による学習処理）を行う、構成７．１のロボットカー教習システム。
このロボットカー教習システムによれば、非ロボットカーの運転行動情報に基づく強化学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成７．４］
ロボットカーと、当該ロボットカーと同じ経路を走行する非ロボットカーとを有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部と、前記走行状況認知部により認知された走行状況と前記運転操作検出部により検出された運転操作とを対応付けた運転行動情報を出力する運転行動情報出力部と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、前記非ロボットカーから出力された前記運転行動情報を取得する運転行動情報取得部と、を有し、前記自動運転制御部は、前記運転操作を決定する際に参照する知識情報（判断基準等）を記憶した運転知識部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転知識部に記憶されている知識情報を更新する学習処理を行う学習処理部（知識更新処理部）と、を有することを特徴とするロボットカー教習システム。
このロボットカー教習システムにおいては、非ロボットカーは、自車両の走行状況と自車両のヒューマンドライバによりなされた運転操作とを対応付けた運転行動情報を出力する。ロボットカーは、非ロボットカーから出力された運転行動情報を取得する。そして、ロボットカーは、知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように自動運転制御を行うとともに、取得した運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行う。
このロボットカー教習システムによれば、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させて、ロボットカーの自動運転性能を向上させることができる。ロボットカーの自動運転性能が向上するにつれて、ロボットカーの安全性・信頼性が向上し、ひいてはロボットカーと非ロボットカーとが共存する道路交通システム全体の安全性・信頼性が向上する。
［構成７．５］
前記学習処理部は、前記運転行動情報取得部により取得した運転行動情報を学習データセット（走行状況と当該状況においてなされた運転操作との組）として、当該運転行動情報に含まれる個々の走行状況において前記非ロボットカーと同じ運転操作（正解の操作）が自車両においてなされるように、前記運転知識部に記憶された知識情報を更新する学習処理（教師あり学習による学習処理）を行う、構成７．４のロボットカー教習システム。
このロボットカー教習システムによれば、非ロボットカーの運転行動情報を学習データセットとする教師あり学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成７．６］
前記学習処理部は、前記非ロボットカーの運転行動情報から把握される非ロボットカーの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカーの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与え、最も多くの報酬が得られそうな運転行動をとるように前記運転知識部に記憶された知識情報を更新する学習処理（強化学習による学習処理）を行う、構成１．４のロボットカー教習システム。
このロボットカー教習システムによれば、非ロボットカーの運転行動情報に基づく強化学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成７．７］
ロボットカーと、当該ロボットカーと同じ経路を走行する非ロボットカーとを有し、前記非ロボットカーは、ヒューマンドライバにより運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部と、前記走行状況認知部により認知された走行状況と前記運転操作検出部により検出された運転操作とを対応付けた運転行動情報を出力する運転行動情報出力部と、を有し、前記ロボットカーは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両であって、自車両の走行状況を認知する走行状況認知部と、前記走行状況認知部により認知された走行状況に基づいて実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う自動運転制御部と、前記非ロボットカーから出力された前記運転行動情報を取得する運転行動情報取得部と、を有し、前記自動運転制御部は、前記走行状況認知部により認知された走行状況に応じた運転行動を計算により決定する運転操作決定部と、前記運転行動情報取得部により取得した運転行動情報に基づいて、前記運転操作決定部において使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）と、を有することを特徴とするロボットカー教習システム。
このロボットカー教習システムにおいては、非ロボットカーは、自車両の走行状況と自車両のヒューマンドライバによりなされた運転操作とを対応付けた運転行動情報を出力する。ロボットカーは、非ロボットカーから出力された運転行動情報を取得する。そして、ロボットカーは、自車両の走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように自動運転制御を行うとともに、取得した運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行う。
このロボットカー教習システムによれば、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させて、ロボットカーの自動運転性能を向上させることができる。ロボットカーの自動運転性能が向上するにつれて、ロボットカーの安全性・信頼性が向上し、ひいてはロボットカーと非ロボットカーとが共存する道路交通システム全体の安全性・信頼性が向上する。
［構成７．８］
前記学習処理部は、前記運転行動情報取得部により取得した運転行動情報を学習データセット（走行状況と当該状況においてなされた運転操作との組）として、当該運転行動情報に含まれる個々の走行状況において前記非ロボットカーと同じ運転操作（正解の操作）が自車両においてなされるように、前記運転操作決定関数のパラメタを調整する学習処理（教師あり学習による学習処理）を行う、構成９．７のロボットカー教習システム。
このロボットカー教習システムによれば、非ロボットカーの運転行動情報を学習データセットとする教師あり学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成７．９］
前記学習処理部は、前記非ロボットカーの運転行動情報から把握される非ロボットカーの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカーの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与え、最も多くの報酬が得られそうな運転行動をとるように前記運転操作決定関数のパラメタを調整する学習処理（強化学習による学習処理）を行う、構成９．７のロボットカー教習システム。
このロボットカー教習システムによれば、非ロボットカーの運転行動情報に基づく強化学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成７．１０］
前記非ロボットカーが前記経路を前記ロボットカーよりも先に走行することを特徴とする、構成９．１乃至９．９のいずれか１のロボットカー教習システム。
このロボットカー教習システムでは、同じ経路を先に走行した非ロボットカーの運転行動情報に基づいて、当該非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させる。
このロボットカー教習システムによれば、ロボットカーに新たな状況を経験させつつ、当該状況を既に経験した非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習（事前情報に基づく学習）させることができる。
［構成７．１１］
前記非ロボットカーが前記経路を前記ロボットカーよりも後に走行することを特徴とする、構成７．１乃至７．９のいずれか１のロボットカー教習システム。
このロボットカー教習システムでは、同じ経路を後に走行した非ロボットカーの運転行動情報に基づいて、当該非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させる。
このロボットカー教習システムによれば、ロボットカーに新たな状況を経験させた後で、当該状況を経験した非ロボットカーのヒューマンドライバの運転行動をロボットカーに学習（事後情報に基づく学習）させることができる。
［構成７．１２］
コンピューティングシステムを有し、前記コンピューティングシステムは、前記非ロボットカーから運転行動情報を受信する運転行動情報受信部と、前記運転行動情報を前記ロボットカーに送信する運転行動情報送信部と、を有し、前記運転行動情報出力部は、前記非ロボットカーの運転行動情報を前記コンピューティングシステムに送信する運転行動情報送信部であり、前記運転行動情報取得部は、前記運転行動情報を前記コンピューティングシステムから受信する運転行動情報受信部である、構成７．１乃至７．１１のいずれか１のロボットカー教習システム。
。
このロボットカー教習システムにおいては、コンピューティングシステムが、非ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報をロボットカーに送信する。
このロボットカー教習システムによれば、ロボットカーは、コンピューティングシステムを介して非ロボットカーの運転行動情報を取得し、その運転行動情報に基づいて、非ロボットカーを運転するヒューマンドライバの運転行動を学習することができる。
［構成７．１３］
前記コンピューティングシステムは、前記運転行動情報受信部により受信した運転行動情報に基づいて、最適化された運転行動情報を生成する最適化情報生成部と、
前記最適化情報生成部により生成された最新の運転行動情報を前記ロボットカーに送信する運転行動情報送信部と、を有する構成７．１２のロボットカー教習システム。
このロボットカー教習システムにおいては、コンピューティングシステムは、非ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報に基づいて最適化された運転行動情報を生成し、当該最適化された運転行動情報をロボットカーに送信する。コンピューティングシステムから最適化された運転行動情報を受信したロボットカーは、当該最適化された運転行動情報に基づいて、非ロボットカーを運転するヒューマンドライバの運転行動を学習することができる。
［構成７．１４］
前記最適化された運転行動情報は、前記運転行動情報の提供を受けるロボットカーの車両属性に応じて最適化された運転行動情報、前記運転行動情報の提供を受けるロボットカーが障害物と接触する可能性が最少になるように最適化された運転行動情報、前記運転行動情報の提供を受けるロボットカーの消費エネルギが最少になるように最適化された運転行動情報、前記運転行動情報の提供を受けるロボットカーの回生エネルギが最大になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における加速回数或いは加速時間が最少になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における制動回数又は制動時間が最少又は最大になるように最適化された運転行動情報、出発地点から到着地点までの走行距離が最少になるように最適化された運転行動情報、又は、出発地点から到着地点までの走行時間が最少になるように最適化された運転行動情報である、構成７．１３のロボットカー教習システム。
［構成７．１５］
前記自動運転制御部は、多層ニューラルネット・プログラムがインストールされており、当該多層ニューラルネット・プログラムにより前記学習処理を行う、構成７．１乃至７．９のいずれかのロボットカー教習システム。
このロボットカー教習システムによれば、多層ニューラルネット・プログラムにより実現される深層学習機能をロボットカーに持たせ、非ロボットカーを運転するヒューマンドライバの運転行動（認識、判断・計画、操作）の特徴をロボットカーに自ら抽出させて学習を行わせることができる。
［構成７．１６］
前記自動運転制御部は、ニューロモーフィック・チップを備え、当該ニューロモーフィック・チップにより前記学習処理を行う、構成７．１乃至７．９のいずれかのロボットカー教習システム。
このロボットカー教習システムによれば、ニューロモーフィック・チップにより実現される深層学習機能をロボットカーに持たせ、非ロボットカーを運転するヒューマンドライバの運転行動（認識、判断・計画、操作）の特徴をロボットカーに自ら抽出させて学習を行わせることができる。
［構成７．１７］
前記ニューロモーフィック・チップには、スパイキング・ニューラルネットが実装されている、構成７．１６のロボットカー教習システム。
このロボットカー教習システムによれば、スパイキング・ニューラルネットにより実現される本物の脳を模した学習機能をロボットカーに持たせ、非ロボットカーを運転するヒューマンドライバの運転行動（認識、判断・計画、操作）の特徴をロボットカーに自ら抽出させて学習を行わせることができる。 6. Computer Programs
A computer program for implementing the vehicle sharing system of the present invention using one or more computers.
By executing this computer program on one or more computers, a vehicle sharing system can be constructed using the road traffic system of the present invention.
[7. Configuration and Function of Robot Car Training System]
The robot car training system of the present invention includes a system having the following configuration.
[Configuration 7.1]
a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a driving operation detection unit that detects driving operations by the human driver of the vehicle itself, and a driving behavior information output unit that outputs driving behavior information that correlates the driving situation recognized by the driving situation recognition unit with the driving operations detected by the driving operation detection unit; and the robot car is a vehicle that is driven by automatic driving control instead of by a human driver, and the system comprises a driving situation recognition unit that recognizes the driving situation of the vehicle itself, a driving behavior information acquisition unit that acquires driving behavior information of the non-robot car, and an automatic driving control unit that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit of the vehicle itself, and performs learning processing to learn the driving behavior of the non-robot car based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this robot car training system, the non-robotic car outputs driving behavior information that associates the driving situation of the host vehicle with the driving operations performed by the human driver of the host vehicle. The robot car acquires the driving behavior information output from the non-robotic car. The robot car then performs autonomous driving control based on the driving situation of the host vehicle and learns the driving behavior of the non-robotic car based on the acquired driving behavior information.
This robot car training system allows the robot car to learn the driving behavior of human drivers of non-robotic cars, improving the autonomous driving performance of the robot car. As the autonomous driving performance of the robot car improves, the safety and reliability of the robot car also improves, which in turn improves the safety and reliability of the entire road traffic system in which robotic cars and non-robotic cars coexist.
[Configuration 7.2]
The autonomous driving control unit uses the driving behavior information acquired by the driving behavior information acquisition unit as a learning data set (a pair of a driving situation and a driving operation performed in that situation) and performs a learning process (a learning process using supervised learning) so that the same driving operation (correct operation) as the non-robot car is performed on the autonomous vehicle in each driving situation included in the driving behavior information. A robot car training system of configuration 7.1.
According to this robot car training system, the robot car can learn the driving behavior of a human driver who drives a non-robot car through supervised learning, using driving behavior information of a non-robot car as a learning data set.
[Configuration 7.3]
The robot car training system of configuration 7.1, wherein the automatic driving control unit gives a more positive reward when the driving behavior is closer to that of the non-robot car as understood from the driving behavior information of the non-robot car, and gives a more negative reward (punishment) when the driving behavior is farther from that of the non-robot car, and performs a learning process (learning process by reinforcement learning) to encourage the robot car to take the driving behavior that is likely to obtain the most reward.
According to this robot car training system, the robot car can learn the driving behavior of a human driver who drives a non-robot car through reinforcement learning based on the driving behavior information of a non-robot car.
[Configuration 7.4]
The system comprises a robot car and a non-robot car that travels the same route as the robot car, the non-robot car being a vehicle that is driven by a human driver and having a driving situation recognition unit that recognizes the driving situation of the vehicle, a driving operation detection unit that detects driving operations by the human driver of the vehicle, and a driving behavior information output unit that outputs driving behavior information that associates the driving situation recognized by the driving situation recognition unit with the driving operation detected by the driving operation detection unit, and the robot car being a vehicle that is driven by automatic driving control instead of by a human driver and recognizes the driving situation of the vehicle. A robot car training system comprising: a driving situation recognition unit; an autonomous driving control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs autonomous driving control so that the driving operation is performed; and a driving behavior information acquisition unit that acquires the driving behavior information output from the non-robot car, wherein the autonomous driving control unit comprises: a driving knowledge unit that stores knowledge information (judgment criteria, etc.) to be referenced when determining the driving operation; and a learning processing unit (knowledge update processing unit) that performs learning processing to update the knowledge information stored in the driving knowledge unit based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this robot car training system, the non-robot car outputs driving behavior information that associates the vehicle's driving situation with the driving operations performed by the human driver of the vehicle. The robot car acquires the driving behavior information output from the non-robot car. The robot car then refers to the knowledge information to determine a driving operation appropriate to the driving situation, performs automatic driving control to execute the determined driving operation, and performs a learning process to update the knowledge information (such as the criteria for determining the driving operation to be performed) based on the acquired driving behavior information.
This robot car training system allows the robot car to learn the driving behavior of human drivers of non-robotic cars, improving the autonomous driving performance of the robot car. As the autonomous driving performance of the robot car improves, the safety and reliability of the robot car also improves, which in turn improves the safety and reliability of the entire road traffic system in which robotic cars and non-robotic cars coexist.
[Configuration 7.5]
The learning processing unit uses the driving behavior information acquired by the driving behavior information acquisition unit as a learning data set (a pair of a driving situation and a driving operation performed in that situation) and performs a learning process (a learning process by supervised learning) to update the knowledge information stored in the driving knowledge unit so that the same driving operation (correct operation) as that of the non-robot car is performed on the vehicle in each driving situation included in the driving behavior information. A robot car training system of configuration 7.4.
According to this robot car training system, the robot car can learn the driving behavior of a human driver who drives a non-robot car through supervised learning, using driving behavior information of a non-robot car as a learning data set.
[Configuration 7.6]
The learning processing unit performs a learning process (learning process by reinforcement learning) to update the knowledge information stored in the driving knowledge unit so that the robot car takes the driving behavior that is most likely to earn the greatest reward, by giving a more positive reward when the robot car takes a driving behavior that is closer to the driving behavior of the non-robot car as understood from the driving behavior information of the non-robot car, and giving a more negative reward (punishment) when the robot car takes a driving behavior that is more distant from the driving behavior of the non-robot car.
According to this robot car training system, the robot car can learn the driving behavior of a human driver who drives a non-robot car through reinforcement learning based on the driving behavior information of a non-robot car.
[Configuration 7.7]
The vehicle comprises a robot car and a non-robot car that travels the same route as the robot car, the non-robot car being a vehicle that is driven by a human driver and having a driving situation recognition unit that recognizes the driving situation of the vehicle, a driving operation detection unit that detects driving operations by the human driver of the vehicle, and a driving behavior information output unit that outputs driving behavior information that associates the driving situation recognized by the driving situation recognition unit with the driving operation detected by the driving operation detection unit, the robot car being a vehicle that is driven by automatic driving control instead of by a human driver and having a driving situation recognition unit that recognizes the driving situation of the vehicle, a driving operation determination unit that determines, by calculation, a driving operation according to the driving situation recognized by the driving situation recognition unit, and performs automatic driving control so that the driving operation is executed; and a driving behavior information acquisition unit that acquires the driving behavior information output from the non-robotic car, wherein the automatic driving control unit has: a driving operation determination unit that determines, by calculation, a driving behavior according to the driving situation recognized by the driving situation recognition unit; and a learning processing unit (parameter adjustment unit) that adjusts parameters of a driving operation determination function used in the driving operation determination unit, based on the driving behavior information acquired by the driving behavior information acquisition unit.
In this robot car training system, the non-robot car outputs driving behavior information that associates the vehicle's driving conditions with driving operations performed by the human driver of the vehicle. The robot car acquires the driving behavior information output from the non-robot car. The robot car then determines a driving operation based on the vehicle's driving conditions using a driving operation decision function, performs automatic driving control to execute the determined driving operation, and performs a learning process to adjust the parameters of the driving operation decision function based on the acquired driving behavior information.
This robot car training system allows the robot car to learn the driving behavior of human drivers of non-robotic cars, improving the autonomous driving performance of the robot car. As the autonomous driving performance of the robot car improves, the safety and reliability of the robot car also improves, which in turn improves the safety and reliability of the entire road traffic system in which robotic cars and non-robotic cars coexist.
[Configuration 7.8]
The learning processing unit uses the driving behavior information acquired by the driving behavior information acquisition unit as a learning data set (a pair of a driving situation and a driving operation performed in that situation) and performs a learning process (a learning process using supervised learning) to adjust parameters of the driving operation decision function so that the same driving operation (correct operation) as that of the non-robot car is performed in the own vehicle in each driving situation included in the driving behavior information. A robot car training system of configuration 9.7.
According to this robot car training system, the robot car can learn the driving behavior of a human driver who drives a non-robot car through supervised learning, using driving behavior information of a non-robot car as a learning data set.
[Configuration 7.9]
The robot car training system of configuration 9.7, wherein the learning processing unit performs a learning process (learning process by reinforcement learning) that adjusts the parameters of the driving operation decision function so that the robot car takes a driving action that is likely to obtain the greatest reward by giving a more positive reward when the robot car takes a driving action that is closer to the driving action of the non-robot car as understood from the driving action information of the non-robot car, and giving a more negative reward (punishment) when the robot car takes a driving action that is more distant from the driving action of the non-robot car.
According to this robot car training system, the robot car can learn the driving behavior of a human driver who drives a non-robot car through reinforcement learning based on the driving behavior information of a non-robot car.
[Configuration 7.10]
The robotic car training system of any one of configurations 9.1 to 9.9, wherein the non-robotic car travels the route ahead of the robotic car.
In this robot car training system, the robot car learns the driving behavior of the human driver who drives the non-robot car based on the driving behavior information of a non-robot car that has previously traveled the same route.
This robot car training system allows a robot car to experience new situations while learning (based on prior information) the driving behavior of a human driver who drives a non-robot car and has already experienced those situations.
[Configuration 7.11]
The robotic car training system of any one of configurations 7.1 to 7.9, wherein the non-robotic car travels the route after the robotic car.
In this robot car training system, the robot car learns the driving behavior of a human driver who drives a non-robot car based on the driving behavior information of the non-robot car that traveled the same route later.
According to this robot car training system, after a robot car experiences a new situation, the robot car can learn (learn based on ex-post information) the driving behavior of a human driver of a non-robot car who has experienced that situation.
[Configuration 7.12]
The robot car training system of any one of configurations 7.1 to 7.11, further comprising: a computing system having a driving behavior information receiving unit that receives driving behavior information from the non-robotic car; and a driving behavior information transmitting unit that transmits the driving behavior information to the robotic car, wherein the driving behavior information output unit is the driving behavior information transmitting unit that transmits the driving behavior information of the non-robotic car to the computing system, and the driving behavior information acquisition unit is the driving behavior information receiving unit that receives the driving behavior information from the computing system.
.
In this robot car training system, a computing system receives driving behavior information (experience information) from a non-robot car and transmits the driving behavior information to the robot car.
According to this robot car training system, the robot car can acquire driving behavior information of a non-robot car via a computing system and, based on that driving behavior information, learn the driving behavior of the human driver who drives the non-robot car.
[Configuration 7.13]
The computing system includes an optimization information generation unit that generates optimized driving behavior information based on the driving behavior information received by the driving behavior information reception unit;
A robot car training system according to configuration 7.12, further comprising: a driving behavior information transmitting unit that transmits the latest driving behavior information generated by the optimization information generating unit to the robot car.
In this robot car training system, the computing system receives driving behavior information (experience information) from a non-robotic car, generates optimized driving behavior information based on the driving behavior information, and transmits the optimized driving behavior information to the robotic car. The robotic car that receives the optimized driving behavior information from the computing system can learn the driving behavior of a human driver who drives the non-robotic car based on the optimized driving behavior information.
[Configuration 7.14]
A robot car training system of configuration 7.13, wherein the optimized driving behavior information is driving behavior information optimized according to the vehicle attributes of the robot car receiving the driving behavior information, driving behavior information optimized to minimize the possibility of the robot car receiving the driving behavior information coming into contact with an obstacle, driving behavior information optimized to minimize the energy consumption of the robot car receiving the driving behavior information, driving behavior information optimized to maximize the regenerative energy of the robot car receiving the driving behavior information, driving behavior information optimized to minimize the number of accelerations or acceleration time for a specified driving distance or a specified driving time, driving behavior information optimized to minimize or maximize the number of braking operations or braking time for a specified driving distance or a specified driving time, driving behavior information optimized to minimize the driving distance from a departure point to a destination point, or driving behavior information optimized to minimize the driving time from a departure point to a destination point.
[Configuration 7.15]
The robot car training system of any one of configurations 7.1 to 7.9, wherein the automatic driving control unit has a multilayer neural network program installed therein, and performs the learning process using the multilayer neural network program.
This robot car training system equips the robot car with deep learning capabilities realized by a multi-layer neural network program, enabling the robot car to extract and learn the characteristics of the driving behavior (recognition, judgment/planning, operation) of a human driver operating a non-robotic car.
[Configuration 7.16]
The robot car training system of any one of configurations 7.1 to 7.9, wherein the automatic driving control unit is provided with a neuromorphic chip and performs the learning process using the neuromorphic chip.
This robot car training system equips the robot car with deep learning capabilities realized by a neuromorphic chip, allowing the robot car to extract and learn the characteristics of the driving behavior (recognition, judgment/planning, operation) of a human driver operating a non-robotic car.
[Configuration 7.17]
A robot car training system of configuration 7.16, in which a spiking neural network is implemented on the neuromorphic chip.
This robot car training system gives the robot car a learning function that mimics a real brain, realized by a spiking neural network, and allows the robot car to extract and learn the characteristics of the driving behavior (recognition, judgment/planning, operation) of a human driver who drives a non-robotic car.

［９．ロボットカー教習方法の構成とその作用］
本発明のロボットカー教習方法には、以下の構成のロボットカー教習方法が含まれる。
［構成８．１］
非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることにより当該ロボットカーの運転教習を行うロボットカー教習方法であって、非ロボットカーがロボットカーと同じ経路を走行する非ロボットカー走行ステップと、前記経路を走行中に非ロボットカーが自車両の走行状況を認知する非ロボットカー走行状況認知ステップと、前記経路を走行中に非ロボットカーが自車両のヒューマンドライバによる運転操作を検出する運転操作検出ステップと、前記走行状況と前記運転操作とを対応付けた運転行動情報を非ロボットカーが出力する運転行動情報出力ステップと、ロボットカーが前記経路を走行するロボットカー走行ステップと、前記経路を走行中にロボットカーが自車両の走行状況を認知するロボットカー走行状況認知ステップと、ロボットカーが非ロボットカーの運転行動情報を取得する運転行動情報取得ステップと、ロボットカーが自車両の走行状況に基づいて自動運転制御を行う自動運転制御ステップと、前記運転行動情報に基づいてロボットカーが非ロボットカーを運転するヒューマンドライバの運転行動を学習する学習ステップと、を有することを特徴とするロボットカー教習方法。
このロボットカー教習方法においては、非ロボットカーは、自車両の走行状況と自車両のヒューマンドライバによりなされた運転操作とを対応付けた運転行動情報を出力する。ロボットカーは、非ロボットカーから出力された運転行動情報を取得する。そして、ロボットカーは、自車両の走行状況に基づいて自動運転制御を行うとともに、取得した運転行動情報に基づいて非ロボットカーを運転するヒューマンドライバの運転行動を学習する。
このロボットカー教習方法によれば、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させて、ロボットカーの自動運転性能を向上させることができる。ロボットカーの自動運転性能が向上するにつれて、ロボットカーの安全性・信頼性が向上し、ひいてはロボットカーと非ロボットカーとが共存する道路交通システム全体の安全性・信頼性が向上する。
［構成８．２］
前記学習ステップは、前記運転行動情報取得ステップにより取得した運転行動情報を学習データセット（走行状況と当該状況においてなされた運転操作との組）として、当該運転行動情報に含まれる個々の走行状況において前記非ロボットカーと同じ運転操作（正解の操作）が自車両においてなされるように学習処理（教師あり学習による学習処理）を行うステップである、構成８．１のロボットカー教習方法。
このロボットカー教習方法によれば、非ロボットカーの運転行動情報を学習データセットとする教師あり学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成８．３］
前記学習ステップは、前記非ロボットカーの運転行動情報から把握される非ロボットカーの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカーの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与え、最も多くの報酬が得られそうな運転行動をとるように学習処理（強化学習による学習処理）を行うステップである、構成８．１のロボットカー教習方法。
このロボットカー教習方法によれば、非ロボットカーの運転行動情報に基づく強化学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成８．４］
非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることにより当該ロボットカーの運転教習を行うロボットカー教習方法であって、非ロボットカーがロボットカーと同じ経路を走行する非ロボットカー走行ステップと、前記経路を走行中に非ロボットカーが自車両の走行状況を認知する非ロボットカー走行状況認知ステップと、前記経路を走行中に非ロボットカーが自車両のヒューマンドライバによる運転操作を検出する運転操作検出ステップと、前記走行状況と前記運転操作とを対応付けた運転行動情報を非ロボットカーが出力する運転行動情報出力ステップと、ロボットカーが前記経路を走行するロボットカー走行ステップと、前記経路を走行中にロボットカーが自車両の走行状況を認知するロボットカー走行状況認知ステップと、前記ロボットカーが非ロボットカーの運転行動情報を取得する運転行動情報取得ステップと、ロボットカーが自車両の走行状況に基づいて実行すべき運転操作を決定する運転操作決定ステップと、前記運転操作が実行されるように自動運転制御を行う自動運転制御ステップと、前記運転操作を決定する際に参照する知識情報（判断基準等）を記憶する運転知識記憶ステップと、前記運転行動情報取得ステップにより取得した運転行動情報に基づいて、前記知識情報を更新する学習処理を行う学習ステップと、を有することを特徴とするロボットカー教習方法。
このロボットカー教習方法においては、非ロボットカーは、自車両の走行状況と自車両のヒューマンドライバによりなされた運転操作とを対応付けた運転行動情報を出力する。ロボットカーは、非ロボットカーから出力された運転行動情報を取得する。そして、ロボットカーは、知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように自動運転制御を行うとともに、取得した運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行う。
このロボットカー教習システムによれば、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させて、ロボットカーの自動運転性能を向上させることができる。ロボットカーの自動運転性能が向上するにつれて、ロボットカーの安全性・信頼性が向上し、ひいてはロボットカーと非ロボットカーとが共存する道路交通システム全体の安全性・信頼性が向上する。
［構成８．５］
前記学習ステップは、前記運転行動情報取得ステップにより取得した運転行動情報を学習データセット（走行状況と当該状況においてなされた運転操作との組）として、当該運転行動情報に含まれる個々の走行状況において前記非ロボットカーと同じ運転操作（正解の操作）が自車両においてなされるように、前記運転知識記憶ステップにより記憶された知識情報を更新する学習処理（教師あり学習による学習処理）を行うステップである、構成８．４のロボットカー教習方法。
このロボットカー教習方法によれば、非ロボットカーの運転行動情報を学習データセットとする教師あり学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成８．６］
前記学習ステップは、前記非ロボットカーの運転行動情報から把握される非ロボットカーの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカーの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与え、最も多くの報酬が得られそうな運転行動をとるように前記運転知識記憶ステップにより記憶された知識情報を更新する学習処理（強化学習による学習処理）を行うステップである、構成８．４のロボットカー教習方法。
このロボットカー教習方法によれば、非ロボットカーの運転行動情報に基づく強化学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成８．７］
非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることにより当該ロボットカーの運転教習を行うロボットカー教習方法であって、非ロボットカーがロボットカーと同じ経路を走行する非ロボットカー走行ステップと、前記経路を走行中に非ロボットカーが自車両の走行状況を認知する非ロボットカー走行状況認知ステップと、前記経路を走行中に非ロボットカーが自車両のヒューマンドライバによる運転操作を検出する運転操作検出ステップと、前記走行状況と前記運転操作とを対応付けた運転行動情報を非ロボットカーが出力する運転行動情報出力ステップと、ロボットカーが前記経路を走行するロボットカー走行ステップと、前記経路を走行中にロボットカーが自車両の走行状況を認知するロボットカー走行状況認知ステップと、前記ロボットカーが非ロボットカーの運転行動情報を取得する運転行動情報取得ステップと、ロボットカーが自車両の走行状況に応じた運転行動を計算により決定する運転操作決定ステップと、前記運転操作が実行されるように自動運転制御を行う自動運転制御ステップと、前記運転行動情報取得ステップにより取得した運転行動情報に基づいて、前記運転操作決定ステップにおいて使用される運転操作決定関数のパラメタを調整する学習処理を行う学習ステップと、を有することを特徴とするロボットカー教習方法。
このロボットカー教習方法においては、非ロボットカーは、自車両の走行状況と自車両のヒューマンドライバによりなされた運転操作とを対応付けた運転行動情報を出力する。ロボットカーは、非ロボットカーから出力された運転行動情報を取得する。そして、ロボットカーは、自車両の走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように自動運転制御を行うとともに、取得した運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行う。
このロボットカー教習方法によれば、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させて、ロボットカーの自動運転性能を向上させることができる。ロボットカーの自動運転性能が向上するにつれて、ロボットカーの安全性・信頼性が向上し、ひいてはロボットカーと非ロボットカーとが共存する道路交通システム全体の安全性・信頼性が向上する。
［構成８．８］
前記学習ステップは、前記運転行動情報取得ステップにより取得した運転行動情報を学習データセット（走行状況と当該状況においてなされた運転操作との組）として、当該運転行動情報に含まれる個々の走行状況において前記非ロボットカーと同じ運転操作（正解の操作）が自車両においてなされるように、前記運転操作決定関数のパラメタを調整する学習処理（教師あり学習による学習処理）を行うステップである、構成８．７のロボットカー教習方法。
このロボットカー教習方法によれば、非ロボットカーの運転行動情報を学習データセットとする教師あり学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成８．９］
前記学習ステップは、前記非ロボットカーの運転行動情報から把握される非ロボットカーの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカーの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与え、最も多くの報酬が得られそうな運転行動をとるように前記運転操作決定関数のパラメタを調整する学習処理（強化学習による学習処理）を行うステップである、構成８．７のロボットカー教習方法。
このロボットカー教習方法によれば、非ロボットカーの運転行動情報に基づく強化学習により、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させることができる。
［構成８．１０］
前記非ロボットカーが前記経路を前記ロボットカーよりも先に走行することを特徴とする、構成８．１乃至８．９のいずれか１のロボットカー教習方法。
このロボットカー教習方法では、同じ経路を先に走行した非ロボットカーの運転行動情報に基づいて、当該非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させる。
このロボットカー教習方法によれば、ロボットカーに新たな状況を経験させつつ、当該状況を既に経験した非ロボットカーのヒューマンドライバの運転行動をロボットカーに学習（事前情報に基づく学習）させることができる。
［構成８．１１］
前記非ロボットカーが前記経路を前記ロボットカーよりも後に走行することを特徴とする、構成８．１乃至８．９のいずれか１のロボットカー教習方法。
このロボットカー教習方法では、同じ経路を後に走行した非ロボットカーの運転行動情報に基づいて、当該非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させる。
このロボットカー教習方法によれば、ロボットカーに新たな状況を経験させた後で、当該状況を経験した非ロボットカーのヒューマンドライバの運転行動をロボットカーに学習（事後情報に基づく学習）させることができる。
［構成８．１２］
コンピューティングシステムを使用し、前記コンピューティングシステムが前記非ロボットカーから運転行動情報を受信する運転行動情報受信ステップと、前記コンピューティングシステムが前記運転行動情報を前記ロボットカーに送信する運転行動情報送信ステップと、を有し、前記運転行動情報出力ステップは、前記非ロボットカーが自車両の前記運転行動情報を前記コンピューティングシステムに送信するステップであり、前記運転行動情報取得ステップは、前記ロボットカーが前記運転行動情報を前記コンピューティングシステムから受信するステップである、構成８．１乃至８．９のいずれか１のロボットカー教習方法。
。
このロボットカー教習方法においては、コンピューティングシステムが、非ロボットカーから運転行動情報（経験情報）を受信し、当該運転行動情報をロボットカーに送信する。
このロボットカー教習方法によれば、ロボットカーは、コンピューティングシステムを介して非ロボットカーの運転行動情報を取得し、その運転行動情報に基づいて、非ロボットカーを運転するヒューマンドライバの運転行動を学習することができる。
［構成８．１３］
前記コンピューティングシステムが前記運転行動情報受信ステップにより受信した運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成ステップと、前記コンピューティングシステムが前記最適化情報生成ステップにより生成された最新の運転行動情報を前記ロボットカーに送信する運転行動情報送信ステップと、を有する構成８．１２のロボットカー教習方法。
このロボットカー教習方法においては、コンピューティングシステムは、非ロボットカーから受信した運転行動情報（経験情報）に基づいて最適化された運転行動情報を生成し、当該最適化された運転行動情報をロボットカーに送信する。コンピューティングシステムから最適化された運転行動情報を受信したロボットカーは、当該最適化された運転行動情報に基づいて、非ロボットカーを運転するヒューマンドライバの運転行動を学習することができる。
［構成８．１４］
前記最適化された運転行動情報は、前記運転行動情報の提供を受けるロボットカーの車両属性に応じて最適化された運転行動情報、前記運転行動情報の提供を受けるロボットカーが障害物と接触する可能性が最少になるように最適化された運転行動情報、前記運転行動情報の提供を受けるロボットカーの消費エネルギが最少になるように最適化された運転行動情報、前記運転行動情報の提供を受けるロボットカーの回生エネルギが最大になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における加速回数或いは加速時間が最少になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における制動回数又は制動時間が最少又は最大になるように最適化された運転行動情報、出発地点から到着地点までの走行距離が最少になるように最適化された運転行動情報、又は、出発地点から到着地点までの走行時間が最少になるように最適化された運転行動情報である、構成８．１３のロボットカー教習方法。 9. Configuration and Function of Robot Car Training Method
The robot car training method of the present invention includes a robot car training method having the following configuration.
[Configuration 8.1]
a robot car driving situation recognition step in which the non-robot car detects driving operations by the human driver of the non-robot car while traveling along the route; a driving behavior information output step in which the non-robot car outputs driving behavior information that associates the driving situations with the driving operations; a robot car driving step in which the robot car travels along the route; a robot car driving situation recognition step in which the robot car recognizes the driving situations of the human driver of the non-robot car while traveling along the route; a driving behavior information acquisition step in which the robot car acquires driving behavior information of the non-robot car; an automatic driving control step in which the robot car performs automatic driving control based on the driving situations of the human driver of the non-robot car; and a learning step in which the robot car learns the driving behavior of the human driver who drives the non-robot car based on the driving behavior information.
In this robot car training method, the non-robot car outputs driving behavior information that associates the driving conditions of the host vehicle with the driving operations performed by the human driver of the host vehicle. The robot car acquires the driving behavior information output from the non-robot car. The robot car then performs automatic driving control based on the driving conditions of the host vehicle and learns the driving behavior of the human driver who drives the non-robot car based on the acquired driving behavior information.
This robot car training method allows a robot car to learn the driving behavior of a human driver who drives a non-robotic car, improving the autonomous driving performance of the robot car. As the autonomous driving performance of the robot car improves, the safety and reliability of the robot car also improves, which in turn improves the safety and reliability of the entire road traffic system in which robotic cars and non-robotic cars coexist.
[Configuration 8.2]
The learning step is a step of performing a learning process (a learning process by supervised learning) using the driving behavior information acquired by the driving behavior information acquisition step as a learning data set (a pair of a driving situation and a driving operation performed in that situation) so that the same driving operation (correct operation) as that of the non-robot car is performed in the own vehicle in each driving situation included in the driving behavior information.
According to this robot car training method, the robot car can learn the driving behavior of a human driver who drives a non-robot car through supervised learning using driving behavior information of a non-robot car as a learning data set.
[Configuration 8.3]
The learning step is a step of performing a learning process (learning process by reinforcement learning) to perform a driving behavior that is likely to obtain the most reward by giving a more positive reward when the driving behavior is closer to that of the non-robot car ascertained from the driving behavior information of the non-robot car, and giving a more negative reward (punishment) when the driving behavior is farther from that of the non-robot car.
According to this robot car training method, the robot car can learn the driving behavior of a human driver who drives a non-robot car through reinforcement learning based on the driving behavior information of a non-robot car.
[Configuration 8.4]
A robot car training method for teaching a robot car to drive by having the robot car learn the driving behavior of a human driver who drives the non-robot car, the method comprising: a non-robot car driving step in which the non-robot car drives the same route as the robot car; a non-robot car driving situation recognition step in which the non-robot car recognizes the driving situation of its own vehicle while driving on the route; a driving operation detection step in which the non-robot car detects driving operations by the human driver of its own vehicle while driving on the route; a driving behavior information output step in which the non-robot car outputs driving behavior information that associates the driving situation with the driving operation; and a robot car driving step in which the robot car drives on the route. a robot car driving situation recognition step in which the robot car recognizes the driving situation of its own vehicle while traveling along the route; a driving behavior information acquisition step in which the robot car acquires driving behavior information of non-robot cars; a driving operation determination step in which the robot car determines a driving operation to be performed based on the driving situation of its own vehicle; an automatic driving control step in which automatic driving control is performed so that the driving operation is performed; a driving knowledge storage step in which knowledge information (judgment criteria, etc.) to be referenced when determining the driving operation; and a learning step in which learning processing is performed to update the knowledge information based on the driving behavior information acquired in the driving behavior information acquisition step.
In this robot car training method, the non-robot car outputs driving behavior information that associates the vehicle's driving situation with the driving operations performed by the human driver of the vehicle. The robot car acquires the driving behavior information output from the non-robot car. The robot car then refers to the knowledge information to determine a driving operation appropriate to the driving situation, performs automatic driving control to execute the determined driving operation, and performs a learning process to update the knowledge information (such as criteria for determining the driving operation to be performed) based on the acquired driving behavior information.
This robot car training system allows the robot car to learn the driving behavior of human drivers of non-robotic cars, improving the autonomous driving performance of the robot car. As the autonomous driving performance of the robot car improves, the safety and reliability of the robot car also improves, which in turn improves the safety and reliability of the entire road traffic system in which robotic cars and non-robotic cars coexist.
[Configuration 8.5]
The learning step is a step of performing a learning process (a learning process by supervised learning) to update the knowledge information stored in the driving knowledge storage step, using the driving behavior information acquired in the driving behavior information acquisition step as a learning data set (a pair of a driving situation and a driving operation performed in that situation) so that the same driving operation (correct operation) as that of the non-robot car is performed in the own vehicle in each driving situation included in the driving behavior information.
According to this robot car training method, the robot car can learn the driving behavior of a human driver who drives a non-robot car through supervised learning using driving behavior information of a non-robot car as a learning data set.
[Configuration 8.6]
The learning step is a step of performing a learning process (learning process by reinforcement learning) that updates the knowledge information stored in the driving knowledge storage step so that the robot car takes a driving behavior that is likely to obtain the greatest reward by giving a more positive reward when the robot car takes a driving behavior that is closer to the driving behavior of the non-robot car ascertained from the driving behavior information of the non-robot car, and giving a more negative reward (punishment) when the robot car takes a driving behavior that is farther from the driving behavior of the non-robot car.
According to this robot car training method, the robot car can learn the driving behavior of a human driver who drives a non-robot car through reinforcement learning based on the driving behavior information of a non-robot car.
[Configuration 8.7]
A robot car training method for teaching a robot car how to drive by having the robot car learn the driving behavior of a human driver who drives the non-robot car, the method comprising: a non-robot car driving step in which the non-robot car drives the same route as the robot car; a non-robot car driving situation recognition step in which the non-robot car recognizes the driving situation of its own vehicle while driving on the route; a driving operation detection step in which the non-robot car detects driving operations by the human driver of its own vehicle while driving on the route; a driving behavior information output step in which the non-robot car outputs driving behavior information that associates the driving situation with the driving operation; a robot car driving situation recognition step in which the robot car recognizes the driving situation of its own vehicle while driving along the route; a driving behavior information acquisition step in which the robot car acquires driving behavior information of non-robot cars; a driving operation determination step in which the robot car determines by calculation a driving behavior according to the driving situation of its own vehicle; an automatic driving control step in which automatic driving control is performed so that the driving operation is executed; and a learning step in which learning processing is performed to adjust parameters of a driving operation determination function used in the driving operation determination step based on the driving behavior information acquired in the driving behavior information acquisition step.
In this robot car training method, the non-robot car outputs driving behavior information that associates the vehicle's driving conditions with driving operations performed by the human driver of the vehicle. The robot car acquires the driving behavior information output from the non-robot car. The robot car then determines a driving operation based on the vehicle's driving conditions using a driving operation decision function, performs automatic driving control to execute the determined driving operation, and performs a learning process to adjust the parameters of the driving operation decision function based on the acquired driving behavior information.
This robot car training method allows a robot car to learn the driving behavior of a human driver who drives a non-robotic car, improving the autonomous driving performance of the robot car. As the autonomous driving performance of the robot car improves, the safety and reliability of the robot car also improves, which in turn improves the safety and reliability of the entire road traffic system in which robotic cars and non-robotic cars coexist.
[Configuration 8.8]
The learning step is a step of performing a learning process (a learning process by supervised learning) to adjust parameters of the driving operation decision function using the driving behavior information acquired by the driving behavior information acquisition step as a learning data set (a pair of a driving situation and a driving operation performed in that situation) so that the same driving operation (correct operation) as that of the non-robot car is performed in the own vehicle in each driving situation included in the driving behavior information.
According to this robot car training method, the robot car can learn the driving behavior of a human driver who drives a non-robot car through supervised learning using driving behavior information of a non-robot car as a learning data set.
[Configuration 8.9]
The robot car training method of configuration 8.7, wherein the learning step is a step of performing a learning process (learning process by reinforcement learning) to adjust the parameters of the driving operation decision function so that the robot car takes a driving action that is likely to obtain the greatest reward by giving a more positive reward when the robot car takes a driving action that is closer to the driving action of the non-robot car ascertained from the driving action information of the non-robot car, and giving a more negative reward (punishment) when the robot car takes a driving action that is more distant from the driving action of the non-robot car.
According to this robot car training method, the robot car can learn the driving behavior of a human driver who drives a non-robot car through reinforcement learning based on the driving behavior information of a non-robot car.
[Configuration 8.10]
The robot car training method of any one of configurations 8.1 to 8.9, wherein the non-robotic car travels along the route ahead of the robotic car.
In this robot car training method, the robot car is made to learn the driving behavior of a human driver who drives a non-robot car based on the driving behavior information of a non-robot car that has previously traveled the same route.
According to this robot car training method, the robot car can be made to experience new situations while learning (based on prior information) the driving behavior of a human driver of a non-robot car who has already experienced those situations.
[Configuration 8.11]
The robot car training method of any one of configurations 8.1 to 8.9, wherein the non-robotic car travels the route after the robotic car.
In this robot car training method, the robot car is made to learn the driving behavior of a human driver who drives a non-robot car based on driving behavior information of the non-robot car that traveled the same route later.
According to this robot car training method, after the robot car experiences a new situation, the robot car can be made to learn (learn based on ex-post information) the driving behavior of a human driver of a non-robot car who has experienced that situation.
[Configuration 8.12]
A robot car training method according to any one of configurations 8.1 to 8.9, using a computing system, comprising: a driving behavior information receiving step in which the computing system receives driving behavior information from the non-robotic car; and a driving behavior information transmitting step in which the computing system transmits the driving behavior information to the robotic car, wherein the driving behavior information output step is a step in which the non-robotic car transmits the driving behavior information of its own vehicle to the computing system; and the driving behavior information acquisition step is a step in which the robotic car receives the driving behavior information from the computing system.
.
In this robot car training method, a computing system receives driving behavior information (experience information) from a non-robotic car and transmits the driving behavior information to the robot car.
According to this robot car training method, the robot car can acquire driving behavior information of a non-robot car via a computing system and learn the driving behavior of a human driver who drives the non-robot car based on the driving behavior information.
[Configuration 8.13]
A robot car training method of configuration 8.12, comprising: an optimization information generating step in which the computing system generates optimized driving behavior information based on the driving behavior information received in the driving behavior information receiving step; and a driving behavior information transmitting step in which the computing system transmits to the robot car the latest driving behavior information generated in the optimization information generating step.
In this robot car training method, the computing system generates optimized driving behavior information based on driving behavior information (experience information) received from a non-robotic car and transmits the optimized driving behavior information to the robotic car. The robotic car, having received the optimized driving behavior information from the computing system, can learn the driving behavior of a human driver who drives the non-robotic car based on the optimized driving behavior information.
[Configuration 8.14]
The robot car training method of structure 8.13, wherein the optimized driving behavior information is driving behavior information optimized according to the vehicle attributes of the robot car receiving the driving behavior information, driving behavior information optimized to minimize the possibility of the robot car receiving the driving behavior information coming into contact with an obstacle, driving behavior information optimized to minimize the energy consumption of the robot car receiving the driving behavior information, driving behavior information optimized to maximize the regenerative energy of the robot car receiving the driving behavior information, driving behavior information optimized to minimize the number of accelerations or acceleration time for a specified driving distance or a specified driving time, driving behavior information optimized to minimize or maximize the number of braking operations or braking time for a specified driving distance or a specified driving time, driving behavior information optimized to minimize the driving distance from the departure point to the destination point, or driving behavior information optimized to minimize the driving time from the departure point to the destination point.

［９．コンピュータプログラム］
本発明のコンピュータプログラムには、以下の構成のプログラムが含まれる。
［構成９．１］
構成７．１乃至７．１７のいずれかに記載のロボットカー教習システムを１又は複数のコンピュータを用いて実現するためのコンピュータプログラム。
このコンピュータプログラムを１又は複数のコンピュータにより実行することにより、構成７．１乃至７．１７のいずれか１のロボットカー教習システムが実現される。
［構成９．２］
構成８．１乃至８．１５のいずれかに記載のロボットカー教習方法を１又は複数のコンピュータを用いて実施するためのコンピュータプログラム。
このコンピュータプログラムを１又は複数のコンピュータにより実行することにより、構成８．１乃至８．１５のいずれかに記載のロボットカー教習方法が実現される。 9. Computer Programs
The computer program of the present invention includes a program having the following configuration.
[Configuration 9.1]
A computer program for implementing the robot car training system according to any one of structures 7.1 to 7.17 using one or more computers.
By executing this computer program on one or more computers, the robot car training system of any one of configurations 7.1 to 7.17 is realized.
[Configuration 9.2]
A computer program for implementing the robot car training method according to any one of structures 8.1 to 8.15 using one or more computers.
By executing this computer program on one or more computers, the robot car training method according to any one of the configurations 8.1 to 8.15 is realized.

本発明によれば、複数の車両が道路を走行する道路交通システムにおいて、各車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
本発明によれば、車両を複数の利用者によって共用する車両共用システムにおいて、各車両は、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて運転制御を行うことにより、当該他車両と同等レベルの運転性能で当該状況に対処できる。
本発明によれば、非ロボットカーを運転するヒューマンドライバの運転行動をロボットカーに学習させて、ロボットカーの自動運転性能を向上させることができる。ロボットカーの自動運転性能が向上するにつれて、ロボットカーの安全性・信頼性が向上し、ひいてはロボットカーと非ロボットカーとが共存する道路交通システム全体の安全性・信頼性が向上する。 According to the present invention, in a road traffic system in which multiple vehicles travel on a road, each vehicle can handle a situation that it has not experienced before with driving performance at the same level as the other vehicles by performing driving control based on driving behavior information of other vehicles that have experienced the situation.
According to the present invention, in a vehicle sharing system in which vehicles are shared by multiple users, each vehicle can handle situations that it has not experienced before with driving performance at the same level as other vehicles by controlling its driving based on driving behavior information of other vehicles that have experienced the situation.
According to the present invention, the autonomous driving performance of a robotic car can be improved by having the robotic car learn the driving behavior of a human driver who drives a non-robotic car. As the autonomous driving performance of the robotic car improves, the safety and reliability of the robotic car also improves, which in turn improves the safety and reliability of the entire road traffic system in which robotic cars and non-robotic cars coexist.

本発明の道路交通システムの構成例を示す概念図FIG. 1 is a conceptual diagram showing an example of the configuration of a road traffic system according to the present invention. 本発明の道路交通システムにおける車両（自動車）のシステム構成の一例を示す機能ブロック図A functional block diagram showing an example of a system configuration of a vehicle (automobile) in the road traffic system of the present invention. 本発明の道路交通システムの実施形態についての説明図FIG. 1 is an explanatory diagram of an embodiment of a road traffic system according to the present invention; 運転行動情報のデータ構造を例示する概念図A conceptual diagram illustrating the data structure of driving behavior information （Ａ）：データＩＤについての説明図（Ｂ）：経路ＩＤについての説明図(A): An explanatory diagram of data IDs (B): An explanatory diagram of route IDs 走行経路についての説明図An explanatory diagram of the driving route 他車両から自車両への運転操作情報の受け渡しの方法の一例を示す説明図FIG. 1 is an explanatory diagram showing an example of a method for transferring driving operation information from another vehicle to the vehicle; 他車両から自車両への運転操作情報の受け渡しの方法の一例を示す説明図FIG. 1 is an explanatory diagram showing an example of a method for transferring driving operation information from another vehicle to the vehicle; 他車両から自車両への運転操作情報の受け渡しの方法の一例を示す説明図FIG. 1 is an explanatory diagram showing an example of a method for transferring driving operation information from another vehicle to the vehicle; 他車両から自車両への運転操作情報の受け渡しの方法の一例を示す説明図FIG. 1 is an explanatory diagram showing an example of a method for transferring driving operation information from another vehicle to the vehicle; 他車両から自車両への運転操作情報の受け渡しの方法の一例を示す説明図FIG. 1 is an explanatory diagram showing an example of a method for transferring driving operation information from another vehicle to the vehicle; 本発明の道路交通システムにおける車両（自動車）の別の実施形態についての説明図FIG. 10 is an explanatory diagram of another embodiment of a vehicle (automobile) in the road traffic system of the present invention. 図１２に続く説明図FIG. 12 is a diagram illustrating the continuation of FIG. 図１２及び図１３を前提とする実施形態の説明図FIG. 14 is an explanatory diagram of an embodiment based on FIGS. 12 and 13. 本発明の道路交通システムにおけるコンピューティングシステムの実施形態の一例を示す概念図FIG. 1 is a conceptual diagram illustrating an example of an embodiment of a computing system in a road traffic system of the present invention. 本発明の道路交通システムにおけるコンピューティングシステムの別の実施形態の一例を示す概念図FIG. 10 is a conceptual diagram illustrating an example of another embodiment of a computing system in a road traffic system according to the present invention. 本発明の道路交通システムの別の構成例を示す概念図FIG. 1 is a conceptual diagram showing another example of the configuration of a road traffic system according to the present invention. 本発明の道路交通システムの更に別の構成例を示す概念図FIG. 10 is a conceptual diagram showing yet another example of the configuration of the road traffic system of the present invention. 本発明の道路交通システムの更に別の構成例を示す概念図FIG. 10 is a conceptual diagram showing yet another example of the configuration of the road traffic system of the present invention. 本発明の道路交通システムの更に別の構成例を示す概念図FIG. 10 is a conceptual diagram showing yet another example of the configuration of the road traffic system of the present invention. 本発明の道路交通システムの更に別の構成例を示す概念図FIG. 10 is a conceptual diagram showing yet another example of the configuration of the road traffic system of the present invention. （Ａ）：図１７乃至図２１中のロボットカーの自動運転制御部の構成例を示す機能ブロック図（Ｂ）：図１９中の非ロボットカーの運転支援制御部の構成例を示す機能ブロック図(A) is a functional block diagram showing an example of the configuration of the autonomous driving control unit of the robot car in FIGS. 17 to 21 ; (B) is a functional block diagram showing an example of the configuration of the driving assistance control unit of the non-robot car in FIG. 19 ; （Ａ）：図１７乃至図２１中のロボットカーの自動運転制御部の別の構成例を示す機能ブロック図（Ｂ）：図１９中の非ロボットカーの運転支援制御部の別の構成例を示す機能ブロック図(A) is a functional block diagram showing another example of the configuration of the autonomous driving control unit of the robot car in FIGS. 17 to 21 . (B) is a functional block diagram showing another example of the configuration of the driving assistance control unit of the non-robot car in FIG. 19 . 本発明のロボットカー教習システムの構成例を示す概念図FIG. 1 is a conceptual diagram showing an example of the configuration of a robot car training system according to the present invention. 本発明のロボットカー教習システムにおけるロボットカーのシステム構成の一例を示す機能ブロック図A functional block diagram showing an example of the system configuration of a robot car in the robot car training system of the present invention. 本発明のロボットカー教習システムにおける非ロボットカーのシステム構成の一例を示す機能ブロック図A functional block diagram showing an example of the system configuration of a non-robot car in the robot car training system of the present invention. 図２４のロボットカー教習システムの動作内容を例示するフロー図FIG. 25 is a flowchart illustrating the operation of the robot car training system of FIG. 24. 図７中の学習ステップの内容を例示するフロー図A flow chart illustrating the contents of the learning step in FIG. （Ａ）：非ロボットカーがロボットカーに先行して走行する態様の説明図（Ｂ）：ロボットカーが非ロボットカーに先行して走行する態様の説明図(A): An explanatory diagram of a situation in which a non-robot car travels ahead of a robot car. (B): An explanatory diagram of a situation in which a robot car travels ahead of a non-robot car. 図２２（A）の構成例において実行される学習ステップの内容を例示するフロー図FIG. 22(A) is a flow diagram illustrating the contents of the learning steps executed in the configuration example of FIG. 図２３（A）の構成例において実行される学習ステップの内容を例示するフロー図FIG. 23(A) is a flow diagram illustrating the contents of the learning steps executed in the configuration example of FIG. 本発明のロボットカー教習システムの別の構成例を示す概念図FIG. 1 is a conceptual diagram showing another example of the configuration of the robot car training system of the present invention. 図３２のロボットカー教習システムの動作内容を例示するフロー図FIG. 33 is a flowchart illustrating the operation of the robot car training system of FIG. 32.

［用語の説明等］
ロボットカーとは、人間の運転なしで自動で走行できる自動車である。日本では「自動運転車」とも呼ばれている。英語では「autonomous car」と表記される。その他「UGV (unmanned ground vehicle)」「ドライバーレスカー (driverless car)」「self-driving car」などとも呼ばれている。（ウィキペディアより引用）
非ロボットカーとは、ロボットカー以外の自動車である。非ロボットカーは、ヒューマンドライバにより運転操作がなされる。
人間の運転なしで自動で走行できる機能（自動運転機能）を持っていない自動車は、非ロボットカーである。非ロボットカーには、手動運転機能と運転支援機能とを持ち自動運転機能を持たない自動車が含まれる。手動運転機能と運転支援機能と自動運転機能とを兼ね備えた自動車は、手動運転モード又は運転支援モードでの走行時には非ロボットカーとして機能し、自動運転モードでの走行時にはロボットカーとして機能する。
走行状況（運転状況）には、自己状況と非自己状況（外界環境）とが含まれる。
自己状況には、当該車両の地球上における位置（緯度、経度）、当該車両の運動状況（内界環境）、周辺物体との相対状況、等が含まれる。
当該車両の運動状況は、重心位置（ｘ，ｙ，ｚ）、ヨー（ψ）、ロール（φ）、ピッチ（θ）、）、速度（重心位置の一階時間微分）、加速度（重心位置の二階時間微分）、角速度（ヨーレート）、等により表現される。
周辺物体は、車両の周辺に存在する物体である。
周辺物体には、車両、歩行者、地上静止物、等が含まれる。
周辺物体との相対状況には、当該車両と周辺の物体との位置関係、当該車両と周辺の物体との距離、等が含まれる。
地上静止物には、交通信号、道路標識、横断歩道、路肩、ガードレール、電柱、塀、車庫、家屋、等が含まれる。
非自己状況（外界環境）の例として、走行経路、走行車線、走行車線の幅、車線数、道路形状、道路勾配、路面の種類、路面状態、周囲の明るさ、天候、信号機の表示内容、周辺車両数、前方車両速度、前方車両加速度、周辺障害物、走行車線の種類、等を挙げることができる。
運転操作は、操作の内容と当該操作の操作量とを含む概念である。
操作の内容の例として、当該車両の推進力を調整するための操作（アクセル操作）、当該車両の制動力を調整するための操作（ブレーキ操作）、当該車両の操舵角または操舵角速度を調整するための操作（ステアリング操作）、当該車両のトランスミッションの歯車の組み合わせを変える操作（シフト操作）、等を挙げることができる。
運転行動情報は、車両の走行状況と当該車両においてなされた運転操作とを対応付けた情報であり、経路上位置－運転操作対応情報、入出車経路位置－運転操作対応情報、等が含まれる。
経路上位置－運転操作対応情報の例として、経路上の各地点（要所要所）においてなされたブレーキ操作の情報（経路上位置－ブレーキ操作対応テーブル）、経路上の各地点においてなされたブレーキ操作及びステアリング操作の情報（経路上位置－ステアリング操作対応テーブル）、経路上の各地点においてなされたブレーキ操作及びアクセル操作の情報（経路上位置－ブレーキ操作・アクセル操作対応テーブル）、経路上の各地点においてなされたアクセル操作及びステアリング操作の情報（経路上位置－アクセル操作・ステアリング操作対応テーブル）、経路上の各地点においてなされたブレーキ操作及びシフト操作の情報（経路上位置－ブレーキ操作・シフト操作対応テーブル）、経路上の各地点においてなされたステアリング操作及びシフト操作の情報（経路上位置－ステアリング操作・シフト操作対応テーブル）、経路上の各地点においてなされたアクセル操作及びシフト操作の情報（経路上位置－アクセル操作・シフト操作対応テーブル）、経路上の各地点においてなされたブレーキ操作、アクセル操作、ステアリング操作及びシフト操作の情報（経路上位置－ブレーキ操作・アクセル操作・ステアリング操作・シフト操作対応テーブル）、経路と運転操作及び消費エネルギとを関連付けた情報（経路－運転操作・消費エネルギ対応テーブル）、経路と運転操作及び回生エネルギ吸収率とを関連付けた情報（経路－運転操作・回生エネルギ吸収率対応テーブル）、等を挙げることができる。
入出車経路位置－運転操作対応情報の例として、駐車スペースに入車（駐車）するための移動経路上の各地点においてなされた駐車操作（運転操作）の情報（入車経路上位置－運転操作対応テーブル）、駐車スペースから出車するための移動経路上の各地点においてなされた出車操作（運転操作）の情報（出車経路上位置－運転操作対応テーブル）、等を挙げることができる。
学習には、手動運転走行時に得られた各種データに基づく学習と、運転支援走行時に得られた各種データに基づく学習と、自動運転走行時に得られた各種データに基づく学習とが含まれる。
学習には、行動計画の学習、操作傾向についての学習、周辺物体についての学習、等が含まれる。
行動計画の学習には、実行すべき運転操作を決定するための知識（データ）の学習、実行すべき運転操作を決定するための計算式（プログラム）の学習、等が含まれる。
知識の学習の例として、他車両の運転行動情報を学習データセットとして、実行すべき運転操作を決定するための判断基準（運転知識）を学習していく所謂教師あり学習を挙げることができる。この場合、ある走行状況に対して、他車両においてなされたのと同じ運転操作（正解の操作）が自車両においてなされるように知識の更新がなされる。
知識の学習の別の例として、他車両の運転行動情報から把握される他車両の運転行動により近い運転行動をとったときにプラスの報酬を与え、当該他車両の運転行動からより遠い運転行動をとったときにマイナスの報酬(罰)を与えて、どのように行動するとどれくらいの報酬が得られそうかを学習させていき、最も多くの報酬が得られそうな行動がなされるように知識を更新する所謂強化学習を挙げることができる。この場合、最も多くの報酬が得られそうな行動がなされるように知識が更新されることで、結果的に最適な運転行動がなされるようになる。
計算式（プログラム）の学習の例として、他車両の運転行動情報に基づいて実行すべき運転操作を決定（推定）する運転操作決定関数（計算式）を学習する所謂パラメタ学習を挙げることができる。この場合、例えば、他車両の運転行動情報と運転操作決定関数の与える運転操作との誤差が最小となるように、運転操作決定関数のパラメタの調整がなされる。この場合のパラメタ学習には、他車両の運転行動情報を学習データセットとして、当該運転行動情報に含まれる個々の走行状況において当該他車両と同じ運転操作（正解の操作）が自車両においてなされるように、運転操作決定関数のパラメタを調整する学習処理（教師あり学習による学習処理）が含まれる。
計算式（プログラム）の学習の別の例として、他車両の運転行動情報から把握される他車両の運転行動により近い運転行動をとったときにプラスの報酬を与え、当該他車両の運転行動からより遠い運転行動をとったときにマイナスの報酬(罰)を与えて、どのように行動するとどれくらいの報酬が得られそうかを学習させていき、最も多くの報酬が得られそうな行動をとるように運転操作決定関数のパラメタを調整する所謂強化学習を挙げることができる。この場合、最も多くの報酬が得られそうな行動をとるように運転操作決定関数のパラメタが調整されることで、結果的に最適な運転行動がなされるようになる。
操作傾向についての学習の例として、各地点の通過回数と各地点においてなされた運転操作の回数・操作量に基づく学習を挙げることができる。例えば、各地点の通過回数と当該地点においてなされた特定の運転操作の回数の割合を計算し、当該割合が所定値以上であれば当該地点を要操作地点に設定し、当該割合が所定値未満であれば当該地点を操作不要地点に設定する。学習の結果、要操作地点に設定された地点では、運転支援制御又は自動運転制御が実行される。
特定の運転操作の例として、操作量が所定値以上のブレーキ操作、操作量が所定値以上のアクセル操作、操作量が所定値以上のステアリング操作、操作量（ギヤ比の変化量）が所定値以上のシフト操作、等を挙げることができる。
周辺の物体についての学習の例として、各地点の通過回数と各地点における周辺の物体の検出回数に基づく学習を挙げることができる。例えば、各地点の通過回数と当該地点において検出された特定の周辺物体の検出回数の割合を計算し、当該割合が所定値以上であれば当該地点を要注意地点に設定し、当該割合が所定値未満であれば当該地点を標準注意地点に設定する。学習の結果、要注意地点に設定された地点では、標準注意地点における検出精度よりも高精度で周辺の物体の検出処理が実行され、その検出結果に基づいて、より安全性を考慮した運転支援制御又は自動運転制御が実行される。
より安全性を考慮した運転支援制御の例として、特定の周辺物体に自車両が接触する可能性をより小さくする運転支援制御（接触回避支援制御）、特定の周辺物体に自車両が接触したときの衝撃をより小さくする運転支援制御（制動支援制御）、等を挙げることができる。
より安全性を考慮した自動運転制御の例として、特定の周辺物体に自車両が接触する可能性をより小さくする自動運転制御（接触回避運転制御）、特定の周辺物体に自車両が接触したときの衝撃をより小さくする自動運転制御（制動運転制御）、等を挙げることができる。
周辺の物体についての学習には、周辺の物体についての時間帯毎の学習が含まれる。周辺の物体についての時間帯毎の学習の場合、前記割合が一日の時間帯毎に計算され、前記要注意地点が時間帯毎に設定される。
運転操作についての学習及び周辺の物体についての学習には、車両属性を考慮した学習が含まれる。
特定の周辺の物体の例として、車両前方の横断歩道上の歩行者や自転車、車両前方の道路を横切る歩行者や自転車、対向車、追い越し車、路上の障害物、等を挙げることができる。
路上の障害物の例として、路側に駐・停車中の車両、路側や曲がり角の電柱、路上に置かれたゴミ箱や看板、道路上に張り出した看板や樹木、等を挙げることができる。 [Terminology explanations]
A robot car is a car that can drive automatically without human intervention. In Japan, it is also called a "self-driving car." In English, it is written as an "autonomous car." It is also called an "UGV (unmanned ground vehicle)," a "driverless car," or a "self-driving car." (Quoted from Wikipedia)
A non-robotic car is a vehicle other than a robotic car. A non-robotic car is driven by a human driver.
A car that does not have the ability to drive automatically without human driving (autonomous driving function) is a non-robotic car. Non-robotic cars include cars that have manual driving functions and driving assistance functions but do not have autonomous driving functions. A car that has manual driving functions, driving assistance functions, and autonomous driving functions functions as a non-robotic car when driving in manual driving mode or driving assistance mode, and functions as a robotic car when driving in autonomous driving mode.
The driving situation (driving situation) includes a self situation and a non-self situation (external environment).
The vehicle's own situation includes the vehicle's position on the earth (latitude, longitude), the vehicle's motion situation (internal environment), the relative situation with respect to surrounding objects, and the like.
The vehicle's motion status is expressed by the center of gravity position (x, y, z), yaw (ψ), roll (φ), pitch (θ), velocity (first-order time differential of the center of gravity position), acceleration (second-order time differential of the center of gravity position), angular velocity (yaw rate), etc.
The surrounding objects are objects that exist around the vehicle.
The surrounding objects include vehicles, pedestrians, stationary objects on the ground, and the like.
The relative situation with respect to the surrounding objects includes the positional relationship between the vehicle and the surrounding objects, the distance between the vehicle and the surrounding objects, and the like.
Stationary ground objects include traffic signals, road signs, crosswalks, road shoulders, guardrails, utility poles, fences, garages, houses, and the like.
Examples of non-self situations (external environment) include the driving route, driving lane, driving lane width, number of lanes, road shape, road gradient, road surface type, road surface condition, surrounding brightness, weather, traffic light display content, number of surrounding vehicles, forward vehicle speed, forward vehicle acceleration, surrounding obstacles, type of driving lane, etc.
The driving operation is a concept that includes the content of the operation and the amount of the operation.
Examples of the operation include an operation to adjust the propulsive force of the vehicle (accelerator operation), an operation to adjust the braking force of the vehicle (brake operation), an operation to adjust the steering angle or steering angular velocity of the vehicle (steering operation), an operation to change the gear combination of the vehicle's transmission (shift operation), etc.
The driving behavior information is information that associates the vehicle's driving conditions with the driving operations performed by the vehicle, and includes route position-driving operation correspondence information, entry/exit route position-driving operation correspondence information, and the like.
Examples of route position-driving operation correspondence information include information on braking operations performed at each point (key point) on the route (route position-brake operation correspondence table), information on braking operations and steering operations performed at each point on the route (route position-steering operation correspondence table), information on braking operations and accelerator operations performed at each point on the route (route position-brake operation/accelerator operation correspondence table), information on accelerator operations and steering operations performed at each point on the route (route position-accelerator operation/steering operation correspondence table), information on braking operations and shift operations performed at each point on the route (route position-brake operation/shift operation correspondence table), Examples of such information include information on steering and shift operations performed at each point on the route (route position - steering operation/shift operation correspondence table), information on accelerator and shift operations performed at each point on the route (route position - accelerator operation/shift operation correspondence table), information on braking, accelerator, steering and shift operations performed at each point on the route (route position - brake operation/accelerator operation/steering operation/shift operation correspondence table), information relating the route to driving operations and energy consumption (route - driving operation/energy consumption correspondence table), information relating the route to driving operations and regenerative energy absorption rate (route - driving operation/regenerative energy absorption rate correspondence table), etc.
Examples of entry/exit route position-driving operation correspondence information include information on parking operations (driving operations) performed at each point on the travel route for entering (parking) a parking space (entry route position-driving operation correspondence table), information on exit operations (driving operations) performed at each point on the travel route for leaving a parking space (exit route position-driving operation correspondence table), etc.
The learning includes learning based on various data obtained during manual driving, learning based on various data obtained during driving assistance, and learning based on various data obtained during automated driving.
The learning includes learning of action plans, learning about operation tendencies, learning about surrounding objects, and the like.
Learning the action plan includes learning knowledge (data) for determining the driving maneuvers to be performed, learning calculation formulas (programs) for determining the driving maneuvers to be performed, and so on.
An example of knowledge learning is so-called supervised learning, in which the driving behavior information of other vehicles is used as a learning data set to learn criteria (driving knowledge) for determining the driving maneuver to be performed. In this case, the knowledge is updated so that the same driving maneuver (correct maneuver) performed by the other vehicle is performed in a certain driving situation.
Another example of knowledge learning is so-called reinforcement learning, in which a positive reward is given when the vehicle takes a driving action that is similar to the driving action of another vehicle as understood from the driving action information of the other vehicle, and a negative reward (punishment) is given when the vehicle takes a driving action that is farther from the driving action of the other vehicle, thereby learning how much reward is likely to be obtained for each action and updating knowledge so that the vehicle will take the action that is most likely to obtain the greatest reward. In this case, by updating knowledge so that the vehicle will take the action that is most likely to obtain the greatest reward, the vehicle will ultimately take the optimal driving action.
An example of learning a calculation formula (program) is parameter learning, which learns a driving maneuver decision function (calculation formula) that determines (estimates) a driving maneuver to be performed based on driving behavior information of other vehicles. In this case, for example, the parameters of the driving maneuver decision function are adjusted so as to minimize the error between the driving behavior information of other vehicles and the driving maneuver given by the driving maneuver decision function. The parameter learning in this case includes a learning process (a learning process using supervised learning) that uses the driving behavior information of other vehicles as a learning data set and adjusts the parameters of the driving maneuver decision function so that the same driving maneuver (correct maneuver) as that of the other vehicles is performed by the own vehicle in each driving situation included in the driving behavior information.
Another example of learning a calculation formula (program) is so-called reinforcement learning, in which a positive reward is given when the vehicle performs a driving behavior that is similar to the driving behavior of other vehicles as determined from the driving behavior information of other vehicles, and a negative reward (punishment) is given when the vehicle performs a driving behavior that is farther from the driving behavior of the other vehicles, thereby learning how much reward is likely to be obtained for each action, and adjusting the parameters of the driving operation decision function so that the vehicle performs the action that is likely to obtain the most reward.In this case, by adjusting the parameters of the driving operation decision function so that the vehicle performs the action that is likely to obtain the most reward, the vehicle will ultimately perform the optimal driving behavior.
An example of learning about operation tendencies is learning based on the number of times each point is passed and the number and amount of driving operations performed at each point. For example, the ratio between the number of times each point is passed and the number of specific driving operations performed at that point is calculated, and if the ratio is equal to or greater than a predetermined value, the point is set as a point requiring operation, and if the ratio is less than the predetermined value, the point is set as a point not requiring operation. As a result of learning, driving assistance control or autonomous driving control is executed at points set as points requiring operation.
Examples of specific driving operations include brake operations with an operation amount greater than or equal to a predetermined value, accelerator operations with an operation amount greater than or equal to a predetermined value, steering operations with an operation amount greater than or equal to a predetermined value, and shift operations with an operation amount (amount of change in gear ratio) greater than or equal to a predetermined value.
An example of learning about surrounding objects is learning based on the number of times each point is passed and the number of times surrounding objects are detected at each point. For example, the ratio between the number of times each point is passed and the number of times a specific surrounding object is detected at that point is calculated, and if the ratio is equal to or greater than a predetermined value, the point is set as a caution point, and if the ratio is less than the predetermined value, the point is set as a standard caution point. As a result of learning, at points set as caution points, detection processing of surrounding objects is performed with higher accuracy than the detection accuracy at standard caution points, and based on the detection results, driving assistance control or autonomous driving control that takes safety into consideration is executed.
Examples of driving assistance control that takes safety into consideration include driving assistance control that reduces the possibility of the vehicle coming into contact with a specific surrounding object (contact avoidance assistance control), and driving assistance control that reduces the impact when the vehicle comes into contact with a specific surrounding object (braking assistance control).
Examples of autonomous driving control that takes safety into consideration include autonomous driving control that reduces the possibility of the vehicle coming into contact with a specific surrounding object (contact avoidance driving control), and autonomous driving control that reduces the impact when the vehicle comes into contact with a specific surrounding object (braking driving control).
The learning of the surrounding objects includes learning of the surrounding objects for each time period. In the case of learning of the surrounding objects for each time period, the ratio is calculated for each time period of a day, and the cautionary points are set for each time period.
Learning about driving operations and learning about surrounding objects includes learning that takes into account vehicle attributes.
Examples of specific surrounding objects include pedestrians or cyclists on a crosswalk in front of the vehicle, pedestrians or cyclists crossing the road in front of the vehicle, oncoming vehicles, overtaking vehicles, obstacles on the road, and the like.
Examples of obstacles on the road include vehicles parked or stopped on the side of the road, utility poles on the side of the road or at corners, trash cans and signs placed on the road, signs and trees overhanging the road, etc.

車両属性には、車種、車両寸法、内外輪差、車両重量、車両の使用形態、車両種別の区分、車体番号、ドア開放幅、エンジン形式、等が含まれる。
車両の使用形態の例として、自家用車、営業車、貨物輸送車、旅客輸送車（タクシー）、旅客輸送車（バス）、等を挙げることができる。車両種別の区分には、大型車、小型車、二輪車、等がある。
車両属性を考慮した運転操作についての学習の場合、例えば、車両属性上控えるべき運転操作についての前記割合が計算され、当該割合が所定値以上の地点が要注意地点に設定される。
車両属性を考慮した周辺の物体についての学習の場合、例えば、車両属性上所定距離以内に接近する可能性が高い周辺の物体についての前記割合が計算され、当該割合が所定値以上の地点が要注意地点に設定される。
車両属性上控えるべき運転操作の例として、重心位置が高い車両（車高の高い車両、積み荷の多い車両、等）の曲線路などにおける高速走行や急激なステアリング操作、バスやタクシーの急なアクセル操作や急なブレーキ操作、等を挙げることができる。
車両属性上所定距離以内に接近する可能性が高い周辺の物体の例として、車両がバスやタクシーの場合の乗降客、大型車両の場合の電柱や路上に張り出した看板、等を挙げることができる。 The vehicle attributes include the vehicle model, vehicle dimensions, inner/outer wheel difference, vehicle weight, vehicle usage, vehicle type classification, vehicle number, door opening width, engine model, and the like.
Examples of vehicle usage patterns include private cars, commercial cars, freight vehicles, passenger transport vehicles (taxis), passenger transport vehicles (buses), etc. Vehicle types include large vehicles, small vehicles, motorcycles, etc.
In the case of learning about driving operations that take vehicle attributes into consideration, for example, the ratio of driving operations that should be avoided based on the vehicle attributes is calculated, and points where the ratio is equal to or greater than a predetermined value are set as cautionary points.
When learning about surrounding objects taking vehicle attributes into consideration, for example, the ratio of surrounding objects that are likely to approach within a specified distance based on the vehicle attributes is calculated, and points where the ratio is greater than or equal to a specified value are set as points requiring caution.
Examples of driving operations that should be avoided due to vehicle attributes include high-speed driving on curved roads and sudden steering operations in vehicles with a high center of gravity (vehicles with a high vehicle height, vehicles with a heavy load, etc.), and sudden acceleration and braking operations in buses and taxis.
Examples of surrounding objects that are likely to approach within a specified distance based on the vehicle attributes include passengers getting on and off if the vehicle is a bus or taxi, and utility poles or signs hanging out on the road if the vehicle is a large vehicle.

自車両のドライバによる手動運転時の運転行動（「認識」「判断・計画」「操作」）を機械学習し、その学習結果を参照して自車両の運転支援制御を行う機能を有する運転制御方式は公知である。本発明のロボットカー教習システムの非ロボットカーにおいても、この種の機械学習による運転制御方式を利用可能である。
周辺車両や歩行者など任意の対象物の検出が可能な汎用画像認識システムは公知である。本発明のロボットカー教習システムの車両においても、公知の汎用画像認識システムを利用可能である。歩行者や他車両を検出するための手法として、ＨＯＧ（ＨｉｓｔｏｇｒａｍｓｏｆＯｒｉｅｎｔｉｅｄＧｒａｄｉｅｎｔｓ）特徴量抽出、機械学習の手法の一つであるＳＶＭ(ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ)によるしきい値学習、等が知られている。 Driving control methods that use machine learning to learn the driving behavior ("recognition,""judgment/planning," and "operation") of the driver of a vehicle during manual driving and then use the learning results to perform driving assistance control of the vehicle are well known. This type of machine learning driving control method can also be used in the non-robot car of the robot car training system of the present invention.
General-purpose image recognition systems capable of detecting any object, such as a nearby vehicle or a pedestrian, are well known. A known general-purpose image recognition system can also be used in the vehicle of the robot car training system of the present invention. Known methods for detecting pedestrians and other vehicles include histograms of orientated gradients (HOG) feature extraction and threshold learning using a support vector machine (SVM), which is a machine learning method.

本発明の道路交通システム、車両共用システム及びロボットカー教習システムにおけるコンピューティングシステムには、クラウドコンピューティングシステム（ＣｌｏｕｄＣｏｍｐｕｔｉｎｇＳｙｓｔｅｍ）が含まれる。
クラウドコンピューティングとは、インターネットを利用した分散コンピューティングの一つである。
クラウドとは、クラウドコンピューティングを実現するためのデータセンタや、その中で運用されているサーバコンピュータ群などのことをいう。
クラウド技術により、インターネット上にあるデータの所在をユーザに意識させずに大容量のデータを処理することができる。
クラウド技術を利用することにより、本発明の道路交通システム、車両共用システム及びロボットカー教習システム内のビッグデータすなわち、地球上を走行する多数の車両から送信される膨大な数のデータ（走行状況に関するデータ、運転操作に関するデータ、等）を処理することができる。 The computing system in the road traffic system, vehicle sharing system, and robot car training system of the present invention includes a cloud computing system.
Cloud computing is a type of distributed computing that uses the Internet.
The cloud refers to a data center for realizing cloud computing and a group of server computers operated therein.
Cloud technology makes it possible to process large amounts of data without requiring users to be aware of the location of the data on the Internet.
By utilizing cloud technology, it is possible to process big data within the road traffic system, vehicle sharing system, and robot car training system of the present invention, i.e., a huge amount of data (data on driving conditions, data on driving operations, etc.) transmitted from a large number of vehicles traveling on the Earth.

本発明の道路交通システム、車両共用システム及びロボットカー教習システムは、特許文献１－４４、非特許文献１－４、等に記載されている類いのシステムに応用し得る。 The road traffic system, vehicle sharing system, and robot car training system of the present invention can be applied to systems of the type described in Patent Documents 1-44, Non-Patent Documents 1-4, etc.

［道路交通システム］
図１は本発明の道路交通システムの構成例を示す概念図である。
図１に例示される道路交通システム１は、自動車１００とコンピューティングシステム２００とを有する。
コンピューティングシステム２００は、サーバコンピュータ２１０とデータベース２２０とを備える。サーバコンピュータ２１０は、自動車１００を含む多数の車両の運転行動情報をインターネット３００経由で受信する。サーバコンピュータ２１０は、受信した運転行動情報をデータベース２２０に蓄積する。サーバコンピュータ２１０は、データベース２２０から抽出した運転行動情報を、自動車１００を含む多数の車両にインターネット３００経由で送信する。サーバコンピュータ２１０は単体でも複数でもよい。データベース２２０は一つのサーバコンピュータに配置されていても、複数のサーバコンピュータに分散配置されていてもよい。
自動車１００は、車載ゲートウェイ１１０を備える。
車載ゲートウェイ１１０は、図示しないＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）等を中心に構成される、無線通信機能を備えた情報処理装置である。車載ゲートウェイ１１０は、ＲＯＭに記憶されている制御プログラムをＣＰＵが実行することにより、各種処理を実行する。車載ゲートウェイ１１０は、各種のデータをインターネット３００経由でコンピューティングシステム２００にアップロード（サーバコンピュータ２１０に送信）し、また各種のデータをコンピューティングシステム２００からインターネット３００経由でダウンロード（サーバコンピュータ２１０から受信）する。自動車１００とコンピューティングシステム２００との間で送受信されるデータには、自車両の運転行動情報のデータ及び他車両の運転行動情報のデータが含まれる。 [Road Traffic System]
FIG. 1 is a conceptual diagram showing an example of the configuration of a road traffic system according to the present invention.
The road traffic system 1 illustrated in FIG. 1 includes a vehicle 100 and a computing system 200 .
The computing system 200 includes a server computer 210 and a database 220. The server computer 210 receives driving behavior information of a large number of vehicles, including the automobile 100, via the Internet 300. The server computer 210 stores the received driving behavior information in the database 220. The server computer 210 transmits the driving behavior information extracted from the database 220 to a large number of vehicles, including the automobile 100, via the Internet 300. There may be a single server computer 210 or multiple server computers. The database 220 may be located in a single server computer or distributed across multiple server computers.
The automobile 100 is equipped with an in-vehicle gateway 110 .
The in-vehicle gateway 110 is an information processing device with wireless communication capabilities, mainly composed of a central processing unit (CPU), a read-only memory (ROM), a random access memory (RAM), etc. (not shown). The in-vehicle gateway 110 performs various processes by the CPU executing control programs stored in the ROM. The in-vehicle gateway 110 uploads various data to the computing system 200 via the Internet 300 (transmits it to the server computer 210), and also downloads various data from the computing system 200 via the Internet 300 (receives it from the server computer 210). Data exchanged between the automobile 100 and the computing system 200 includes data on driving behavior information of the vehicle itself and data on driving behavior information of other vehicles.

図２は本発明の道路交通システムにおける車両（自動車）のシステム構成の一例を示す機能ブロック図である。
自動車１００は、車載ゲートウェイ１１０と走行制御システム１２０とを有する。
車載ゲートウェイ１１０は、走行制御システム１２０の制御下で、コンピューティングシステム２００と通信する。車載ゲートウェイ１１０は、コンピューティングシステム２００から受信したデータを走行制御システム１２０に入力する。車載ゲートウェイ１１０は、走行制御システム１２０から入力されたデータをコンピューティングシステム２００に送信する。
走行制御システム１２０は、検知部１２１、車両情報入力部１２２、測位部１２３、地図情報入力部１２４、操作部１２５、通信部１２６、表示部１２７、記憶部１２９、制御部１２９、等を備える。
検知部１２１は、周辺の物体（他車両、歩行者、地上静止物、等）の存在や、周辺の物体の位置、大きさ、相対速度、等を検知するためのセンサ類で構成されている。検知部１２１は、例えば、ソナー１２１ａやレーダ１２１ｂ、カメラ１２１ｃ、３次元レンジセンサ、等で具現化される。
ソナー１２１ａは、自車両の前後左右方向に向けられた各アンテナから超音波を所定領域に送信し、その反射波を受信する。そして、受信した反射波に基づき、自車両の前後左右方向に存在する物体について、自車両との位置関係、距離等を出力する。レーダ１２１ｂは、自車両の前後左右方向に向けられたアンテナからレーザ光又はミリ波を照射して所定の検知領域を走査し、その反射波を受信する。そして、受信した反射波に基づき、車両の前後左右方向に存在する物体について、自車両との位置関係、距離、相対速度等を出力する。カメラ１２１ｃは、自車両の前後左右方向の所定位置に設けられており、自車両の前後左右方向に存在する周辺車両が写った撮像データを出力する。なお、これらのソナーやレーダ、カメラ１２１ｃ、３次元レンジセンサ、等のセンサ類は、複数のものを複合的に用いてもよいし、単独で用いてもよい。
車両情報入力部１２２は、自車両の運動状況（重心位置、ヨー、ロール、ピッチ、速度、加速度、角速度、等）及び運転操作（アクセル操作、ブレーキ操作、ステアリング操作、シフト操作）に関する情報を制御部１２８に入力する。
測位部１２３は、地球上における自車両の位置（緯度、経度）を測位し、制御部１２８に入力する。測位部１２３は、例えば、高精度ＧＰＳ（Global Positioning System）に対応した高精度測位受信機等で具現化される。
地図情報入力部１２４は、道路地図情報を記憶する記憶媒体から、自車両が現在走行している道路に関する情報を取得し、制御部１２８に入力する。地図情報入力部１２８によって入力される道路の情報の例として、車線数、車線幅、曲り、勾配、合流、規制等の情報等を挙げることができる。
操作部１２５は、走行制御のオン・オフや制御モードの切り換え、表示部１２７における各種表示の切り換え等の操作指示を入力するための入力装置であり、例えば、車両のステアリングホイールのスポーク部分に設けられるスイッチ等により具現化される。
通信部１２６は、地上静止物に設けられた通信機や、周辺車両に搭載された通信機との間で、通信を行うための通信装置である。地上静止物には、車庫や道路が含まれる。
表示部１２７は、インストルメントパネル中央部に設けられるセンタディスプレイ、及び、メータパネル内に設けられるインジケータで構成される表示装置である。表示部１２７には、自車両の状態を示す情報とともに、走行制御のオン・オフや制御モードが表示される。制御モードには、手動運転モードと、運転支援モードと、自動運転モードとがある。
記憶部１２８は、自車両の運転行動情報及び他車両の運転行動情報を記憶する記憶装置である。
制御部１２９は、図示しないＣＰＵ、ＲＯＭ、ＲＡＭ等を中心に構成される情報処理装置であり、走行制御システム１２０の各部を統括制御する。制御部１２９は、ＲＯＭに記憶されている制御プログラムをＣＰＵが実行することにより、各種処理を実行する。
制御部１２９は、測位部１２３から入力された自車両の位置（緯度、経度）と地図情報入力部１２４から入力された道路地図情報とに基づいて、電柱や信号器などの道路構造物の情報を含む詳細道路データを算出するとともに、検知部１２１の３次元レンジセンサにより周囲の物体の３次元距離を検出する。そして、３次元距離データと道路地図とをリアルタイムで合成し、３次元レンジセンサにより検出された物体が、道路構造物なのか、道路上の物体（車両、歩行者、等）なのかを正確に識別する。
自車両の位置の高精度把握は、モンテカルロ・ローカリゼーションといった既知の手法により実現され、ＧＰＳに位置情報は二次的情報として利用される。周辺物体との相対状況は、カルマンフィルタといった既知の手法により実現される。
制御部１２９は、検知部１２１、車両情報入力部１２２、測位部１２３、及び、地図情報入力部１２４から入力された各種情報に基づく自車両の運転行動情報を記憶部１９に蓄積する。自車両の運転行動情報には、検知部１２１、車両情報入力部１２２、測位部１２３、及び、地図情報入力部１２４により得られた操作履歴情報（走行経路上位置－運転操作対応テーブル、入出車経路位置－運転操作対応テーブル、等）が含まれる。
制御部１２９は、車載ゲートウェイ１１０を介してコンピューティングシステム２００と通信する。
制御部１２９は、記憶部１２８に蓄積された自車両の運転行動情報を、車載ゲートウェイ１１０を介してコンピューティングシステム２００に送信する。
制御部１２９は、車載ゲートウェイ１１０を介して受信した他車両の運転行動情報を、記憶部１２８に蓄積する。他車両の運転行動情報には、他車両の検知部１２１、車両情報入力部１２２、測位部１２３、及び、地図情報入力部１２４により得られた操作履歴情報（走行経路上位置－運転操作対応テーブル、入出車経路位置－運転操作対応テーブル、等）が含まれる。
制御部１２９は、通信部１２６を介して周辺の地上静止物や周辺の車両と通信する。
制御部１２９は、記憶部１２８に蓄積された自車両の運転行動情報を、通信部１２６を介して地上静止物や周辺の車両に送信する。
制御部１２９は、通信部１２６を介して受信した他車両の運転行動情報を、記憶部１２８に蓄積する。
制御部１２９には、運転制御の対象となる車両制御部１３０が接続されている。
車両制御部１３０は、エンジンＥＣＵ（Electronic Control Unit）１３０ａ、ブレーキＥＣＵ１３０ｂ、舵角ＥＣＵ１３０ｃ、スタビリティＥＣＵ１３０ｄ、等の各種電子制御装置からなる。エンジンＥＣＵ１３０ａは、アクセルペダルの操作量やエンジンの状態に応じた制御指令を出して、エンジンの出力を制御する。ブレーキＥＣＵ１３０ｂは、ブレーキペダルの操作量に応じてブレーキの制動力を制御する。舵角ＥＣＵ１３０ｃは、ステアリングの舵角を制御する。スタビリティＥＣＵ１３０ｄは、車両の走行安定性を制御する。
制御部１２９は、運転操作量（アクセル操作量、ブレーキ操作量、ステアリング操作量、等）に応じて、車両制御部１３０内の各ＥＣＵに指令を与えることで、車両の走行を制御する。
制御部１２９は、運転支援モードにおいては、時々刻々と変化する自車両の走行状況をリアルタイムで解析しつつ、当該解析結果と自車両の運転行動情報及び／又は他車両の運転行動情報とに基づいて運転支援情報を生成し、当該運転支援情報を、表示部１２７などを使用してドライバに報知する。
制御部１２９は、自動運転モードにおいては、時々刻々と変化する自車両の走行状況をリアルタイムで解析しつつ、当該解析結果と自車両の運転行動情報及び／又は他車両の運転行動情報とに基づいて運転操作量を決定し、車両制御部１３０内の各ＥＣＵに指令を与える。
上記の例では、車載ゲートウェイ１１０と走行制御システム１２０とが各々別個に存在しているが、車載ゲートウェイ１１０は走行制御システム１２０と統合できる。 FIG. 2 is a functional block diagram showing an example of a system configuration of a vehicle (automobile) in the road traffic system of the present invention.
The automobile 100 includes an in-vehicle gateway 110 and a cruise control system 120 .
The in-vehicle gateway 110 communicates with the computing system 200 under the control of the cruise control system 120. The in-vehicle gateway 110 inputs data received from the computing system 200 to the cruise control system 120. The in-vehicle gateway 110 transmits data input from the cruise control system 120 to the computing system 200.
The driving control system 120 includes a detection unit 121, a vehicle information input unit 122, a positioning unit 123, a map information input unit 124, an operation unit 125, a communication unit 126, a display unit 127, a memory unit 129, a control unit 129, and the like.
The detection unit 121 is configured with sensors for detecting the presence of surrounding objects (other vehicles, pedestrians, stationary objects on the ground, etc.), as well as the positions, sizes, relative speeds, etc. The detection unit 121 is embodied, for example, by a sonar 121 a, a radar 121 b, a camera 121 c, a three-dimensional range sensor, etc.
The sonar 121a transmits ultrasonic waves to a predetermined area from antennas facing the front, rear, left, and right directions of the vehicle and receives the reflected waves. Based on the received reflected waves, it outputs the positional relationship, distance, etc. of objects present in the front, rear, left, and right directions of the vehicle. The radar 121b scans a predetermined detection area by emitting laser light or millimeter waves from antennas facing the front, rear, left, and right directions of the vehicle and receives the reflected waves. Based on the received reflected waves, it outputs the positional relationship, distance, relative speed, etc. of objects present in the front, rear, left, and right directions of the vehicle. The camera 121c is installed at a predetermined position in the front, rear, left, and right directions of the vehicle and outputs image data showing surrounding vehicles present in the front, rear, left, and right directions of the vehicle. Note that these sensors, such as the sonar, radar, camera 121c, and 3D range sensor, may be used in combination or individually.
The vehicle information input unit 122 inputs information about the vehicle's motion status (center of gravity position, yaw, roll, pitch, speed, acceleration, angular velocity, etc.) and driving operations (accelerator operation, brake operation, steering operation, shift operation) to the control unit 128.
The positioning unit 123 measures the position (latitude, longitude) of the vehicle on the Earth and inputs the position (latitude, longitude) to the control unit 128. The positioning unit 123 is embodied, for example, by a high-precision positioning receiver compatible with a high-precision GPS (Global Positioning System).
The map information input unit 124 acquires information about the road on which the vehicle is currently traveling from a storage medium that stores road map information, and inputs the information to the control unit 128. Examples of road information input by the map information input unit 128 include information such as the number of lanes, lane width, curves, gradients, merging, and regulations.
The operation unit 125 is an input device for inputting operation instructions such as turning the driving control on and off, switching the control mode, and switching various displays on the display unit 127, and is embodied, for example, by a switch provided on the spoke part of the steering wheel of the vehicle.
The communication unit 126 is a communication device for communicating with communication devices provided on stationary objects on the ground and communication devices mounted on surrounding vehicles. Stationary objects on the ground include garages and roads.
The display unit 127 is a display device that includes a center display provided in the center of the instrument panel and indicators provided in the meter panel. The display unit 127 displays information indicating the state of the vehicle, as well as the on/off status of the driving control and the control mode. The control modes include a manual driving mode, a driving assistance mode, and an autonomous driving mode.
The storage unit 128 is a storage device that stores driving behavior information of the vehicle itself and driving behavior information of other vehicles.
The control unit 129 is an information processing device mainly composed of a CPU, ROM, RAM, etc. (not shown), and controls all parts of the driving control system 120. The control unit 129 performs various processes by the CPU executing a control program stored in the ROM.
The control unit 129 calculates detailed road data including information on road structures such as utility poles and traffic signals based on the position (latitude, longitude) of the vehicle input from the positioning unit 123 and the road map information input from the map information input unit 124, and detects the three-dimensional distances of surrounding objects using the three-dimensional range sensor of the detection unit 121. Then, the control unit 129 combines the three-dimensional distance data with the road map in real time, and accurately identifies whether the object detected by the three-dimensional range sensor is a road structure or an object on the road (a vehicle, a pedestrian, etc.).
The vehicle's position is determined with high accuracy using a known method such as Monte Carlo localization, and GPS position information is used as secondary information. The relative situation with surrounding objects is determined using a known method such as a Kalman filter.
The control unit 129 accumulates in the storage unit 19 driving behavior information of the vehicle based on various information input from the detection unit 121, the vehicle information input unit 122, the positioning unit 123, and the map information input unit 124. The driving behavior information of the vehicle includes operation history information (travel route position-driving operation correspondence table, entrance/exit route position-driving operation correspondence table, etc.) obtained by the detection unit 121, the vehicle information input unit 122, the positioning unit 123, and the map information input unit 124.
The control unit 129 communicates with the computing system 200 via the vehicle gateway 110 .
The control unit 129 transmits the driving behavior information of the vehicle stored in the storage unit 128 to the computing system 200 via the in-vehicle gateway 110 .
The control unit 129 stores the driving behavior information of other vehicles received via the in-vehicle gateway 110 in the storage unit 128. The driving behavior information of other vehicles includes operation history information (such as a driving route position-driving operation correspondence table, an entrance/exit route position-driving operation correspondence table, etc.) obtained by the other vehicle detection unit 121, vehicle information input unit 122, positioning unit 123, and map information input unit 124.
The control unit 129 communicates with surrounding ground stationary objects and surrounding vehicles via the communication unit 126 .
The control unit 129 transmits the driving behavior information of the vehicle stored in the memory unit 128 to stationary objects on the ground and surrounding vehicles via the communication unit 126 .
The control unit 129 stores the driving behavior information of the other vehicle received via the communication unit 126 in the storage unit 128 .
The control unit 129 is connected to a vehicle control unit 130 that is the target of driving control.
The vehicle control unit 130 is composed of various electronic control devices, such as an engine ECU (Electronic Control Unit) 130a, a brake ECU 130b, a steering angle ECU 130c, and a stability ECU 130d. The engine ECU 130a issues control commands according to the accelerator pedal operation amount and the engine state to control the engine output. The brake ECU 130b controls the braking force of the brakes according to the brake pedal operation amount. The steering angle ECU 130c controls the steering angle. The stability ECU 130d controls the driving stability of the vehicle.
The control unit 129 controls the running of the vehicle by issuing commands to each ECU in the vehicle control unit 130 according to the amount of driving operation (amount of accelerator operation, amount of brake operation, amount of steering operation, etc.).
In the driving assistance mode, the control unit 129 analyzes the driving conditions of the vehicle, which change from moment to moment, in real time, generates driving assistance information based on the analysis results and driving behavior information of the vehicle and/or driving behavior information of other vehicles, and notifies the driver of the driving assistance information using the display unit 127, etc.
In the autonomous driving mode, the control unit 129 analyzes the vehicle's driving conditions, which change from moment to moment, in real time, determines the amount of driving operation based on the analysis results and the driving behavior information of the vehicle and/or the driving behavior information of other vehicles, and issues commands to each ECU in the vehicle control unit 130.
In the above example, the vehicle gateway 110 and the cruise control system 120 exist separately, but the vehicle gateway 110 can be integrated with the cruise control system 120.

上記のように構成された自動車１００は、自車両の走行状況と自車両の運転行動情報又は他車両の運転行動情報とに基づいて運転支援や自動運転を行う。自動車１００は、手動運転モード又は運転支援モードでの走行時には非ロボットカーとして機能し、自動運転モードでの走行時にはロボットカーとして機能する。 The automobile 100 configured as described above performs driving assistance or autonomous driving based on the driving conditions of the vehicle itself and driving behavior information of the vehicle itself or other vehicles. The automobile 100 functions as a non-robotic car when driving in manual driving mode or driving assistance mode, and functions as a robotic car when driving in autonomous driving mode.

図３は本発明の車両（自動車）の実施形態についての説明図である。
自動車Ｖ１（１００）は、走行経路Ｒを走行した経験がない。
自動車Ｖ２（１００）は、走行経路Ｒを走行した経験がある。
自動車Ｖ２は、走行経路Ｒを走行した時に運転に関する各種データを取得し、当該各種データを自車両の記憶部１２８に記憶している。自動車Ｖ２は、当該記憶部１２８に記憶した当該各種データを含む運転行動情報を自動車Ｖ１に提供する。この場合の運転行動情報には、走行経路Ｒと当該経路Ｒ上の各地点において自動車Ｖ１によりなされた運転操作とを対応付けた情報が含まれる。
自動車（自車両）Ｖ１は、自動車（他車両）Ｖ２の運転行動情報を自車両Ｖ１の運転支援制御及び自動運転制御に利用できる。自動車Ｖ１は、走行経路Ｒを走行した経験がないが、走行経路Ｒを走行した経験がある自動車（他車両）Ｖ２の運転行動情報に基づいて運転支援制御及び自動運転制御を行うことにより、自動車（他車両）Ｖ２と同等レベルの運転支援性能及び自動運転性能を発揮し得る。 FIG. 3 is an explanatory diagram of an embodiment of a vehicle (automobile) according to the present invention.
The vehicle V1 (100) has never traveled along the travel route R.
The vehicle V2 (100) has traveled along the travel route R.
The vehicle V2 acquires various driving-related data while traveling along the travel route R and stores the various data in its own vehicle's memory unit 128. The vehicle V2 provides the vehicle V1 with driving behavior information including the various data stored in the memory unit 128. In this case, the driving behavior information includes information that associates the travel route R with the driving operations performed by the vehicle V1 at each point on the route R.
The automobile (subject vehicle) V1 can use the driving behavior information of the automobile (other vehicle) V2 for driving assistance control and automatic driving control of the automobile V1. Although the automobile V1 has no experience of traveling along the travel route R, by performing driving assistance control and automatic driving control based on the driving behavior information of the automobile (other vehicle) V2 that has experience of traveling along the travel route R, the automobile V1 can exhibit driving assistance performance and automatic driving performance at the same level as the automobile (other vehicle) V2.

たとえば、走行経路Ｒが、幅の狭い曲がりくねった道路や、電柱などの障害物が多く存在する幅の狭い道路である場合、運転に不慣れなドライバやカーシェアリングサービスなどで運転の度に異なる車両に搭乗するドライバにとっては、走行経路Ｒをスムーズに走行することは簡単ではない。この種の道路をスムーズに走行することはロボットカー（自動運転車）も苦手である。
しかし、自動車Ｖ２が走行経路Ｒを日常スムーズに走行する車両であるならば、自動車Ｖ２の運転行動情報を参照して自動車Ｖ１が運転支援制御を行うことにより、自動車Ｖ１のドライバが運転に不慣れである場合や自動車Ｖ１がカーシェアリングサービスなどの車両である場合でも、自動車Ｖ１は自動車Ｖ２と同等レベルの運転性能で走行経路Ｒをスムーズに走行することができる。自動車Ｖ１がロボットカーである場合でも、自動車Ｖ２の運転行動情報を参照して自動車Ｖ１が自動運転制御を行うことにより、自動車Ｖ１は自動車Ｖ２と同等レベルの運転性能で走行経路Ｒをスムーズに走行することが可能となる。 For example, if the driving route R is a narrow, winding road or a narrow road with many obstacles such as utility poles, it is not easy for a driver who is inexperienced in driving or a driver who drives a different vehicle each time, such as in a car sharing service, to smoothly drive the driving route R. Even a robot car (self-driving car) has difficulty driving smoothly on this type of road.
However, if the automobile V2 is a vehicle that normally drives smoothly along the driving route R, the automobile V1 can perform driving assistance control by referring to the driving behavior information of the automobile V2, so that even if the driver of the automobile V1 is inexperienced at driving or the automobile V1 is a vehicle for a car sharing service, the automobile V1 can smoothly drive along the driving route R with the same level of driving performance as the automobile V2. Even if the automobile V1 is a robot car, the automobile V1 can perform automatic driving control by referring to the driving behavior information of the automobile V2, so that the automobile V1 can smoothly drive along the driving route R with the same level of driving performance as the automobile V2.

図４は運転行動情報に含まれる走行経路上位置－運転操作対応テーブルを例示する概念図である。運転行動情報は、データＩＤ：Data ID）により管理されている。データＩＤは、膨大な量の運転行動情報の中から1の運転行動情報のデータを特定し得る固有の値である。データＩＤにより、車両ＩＤ（Car ID）と経路ＩＤ（Root ID）との一意の組み合わせが特定される（図５（Ａ）参照）。車両ＩＤは、多数の車両の中から１の車両を特定し得る固有の値である。車両ＩＤにより、当該車両の車両属性も特定される。経路ＩＤは、膨大な数の経路の中から１の経路を特定し得る固有の値である。経路ＩＤにより、出発点（Starting Point）、到着点（Destination Point）及び経由点（Pass Point）の組み合わせが特定される（図５（Ｂ）参照）。
図４に例示する運転行動情報は、図６に例示する地図上の経路Ｒを自動車Ｖ２が走行した際に得られたものである。経路Ｒの出発点（Starting Point）はＳ１、到着点（Destination Point）はＤ１、経由点（Pass Point）はPP1，PP2，PP3である。図４に例示する運転行動情報は、経路Ｒ上の各地点（P1,P2,・・・,Pn）において自動車Ｖ１によりなされた運転操作との対応関係を示している。例えば、地点P1では加速操作（発進操作）が、地点P2では加速操作が、地点P3では減速操作（制動操作）が、地点P4では左転蛇操作（ハンドルを左に回す操作）が、地点P5では右転蛇操作（ハンドルを戻す操作）が、地点P6では加速操作が、地点Pn-3では減速操作（制動操作）が、地点Pn-2では右転蛇操作（ハンドルを右に回す操作）が、地点Pn-1では左転蛇操作（ハンドルを戻す操作）が、地点Pnでは減速操作（制動操作）が、それぞれなされたことが示されている。図中の「ｘｘｘ」は各操作における操作量である。 Figure 4 is a conceptual diagram illustrating a correspondence table between driving route positions and driving operations included in driving behavior information. Driving behavior information is managed by data ID (Data ID). Data ID is a unique value that can identify one piece of driving behavior information data from a huge amount of driving behavior information. The data ID identifies a unique combination of a vehicle ID (Car ID) and a route ID (Root ID) (see Figure 5(A)). The vehicle ID is a unique value that can identify one vehicle from a large number of vehicles. The vehicle ID also identifies the vehicle attributes of that vehicle. The route ID is a unique value that can identify one route from a huge number of routes. The route ID identifies a combination of a starting point, a destination point, and a pass point (see Figure 5(B)).
The driving behavior information illustrated in Fig. 4 was obtained when an automobile V2 traveled along a route R on a map illustrated in Fig. 6. The starting point of the route R is S1, the destination point is D1, and the pass points are PP1, PP2, and PP3. The driving behavior information illustrated in Fig. 4 indicates the correspondence between driving operations performed by the automobile V1 at each point (P1, P2, ..., Pn) on the route R. For example, the diagram shows that an acceleration operation (starting operation) was performed at point P1, an acceleration operation at point P2, a deceleration operation (braking operation) at point P3, a left turn operation (turning the steering wheel to the left) at point P4, a right turn operation (returning the steering wheel) at point P5, an acceleration operation at point P6, a deceleration operation (braking operation) at point Pn-3, a right turn operation (turning the steering wheel to the right) at point Pn-2, a left turn operation (returning the steering wheel) at point Pn-1, and a deceleration operation (braking operation) at point Pn. "xxx" in the diagram indicates the amount of operation for each operation.

自動車Ｖ２から自動車Ｖ１へ運転行動情報を受け渡す方法は任意である。その方法の例として、自車両Ｖ１と他車両Ｖ２との間の通信（図７参照）、自車両Ｖ１と地上静止物４１０との間の通信（図８参照）、自車両Ｖ１と道路４２０との間の通信（図９参照）、自車両Ｖ１と携帯端末５００との間の通信（図１０参照）、コンピューティングシステム（クラウドシステム）２００を介しての情報の受け渡し（図１１参照）、等を挙げることができる。
図８には、地上静止物４１０として道路の信号機が例示されている。自動車Ｖ１、Ｖ２は、信号機４１０をアクセスポイント（ＡＰ)に利用して運転行動情報を送受信する。図８の例では、自動車Ｖ２から送信された自動車Ｖ２の運転行動情報が信号機４１０を媒介として自動車Ｖ１に受信されている。なお、運転行動情報を受信する信号機４１０とその運転行動情報を送信する信号機４１０は、同一の信号機であってもよいし、異なる信号機であってもよい。
図９の例では、道路に沿って所定間隔ごとにアクセスポイント（ＡＰ)が配置されている。アクセスポイント（ＡＰ)は、路面に埋設されてもよいし、道路の側方に設けられてもよい。
図１０の例では、自動車（他車両）Ｖ２の運転行動情報が自動車（自車両）Ｖ１のドライバの携帯端末５００に記憶されている。当該運転行動情報はコンピューティングシステム２００から携帯端末４３０にダウンロードされたものである。そして、自動車Ｖ１の車内における近距離無線通信により、自動車（他車両）Ｖ２の運転行動情報が携帯端末４３０から自動車Ｖ１に送信される。
図１１の構成は、自動車Ｖ１、Ｖ２がインターネット３００経由でコンピューティングシステム２００と通信を行うためのアクセスポイントとして、例えば図８に示す地上静止物４１０や図９に示す道路４２０に設けられたアクセスポイント（ＡＰ）を使用することにより実現可能である。 The driving behavior information may be transferred from the vehicle V2 to the vehicle V1 by any method, such as communication between the vehicle V1 and the other vehicle V2 (see FIG. 7), communication between the vehicle V1 and a ground stationary object 410 (see FIG. 8), communication between the vehicle V1 and a road 420 (see FIG. 9), communication between the vehicle V1 and a mobile terminal 500 (see FIG. 10), or information transfer via a computing system (cloud system) 200 (see FIG. 11).
In Fig. 8, a traffic light on a road is illustrated as a ground stationary object 410. Vehicles V1 and V2 transmit and receive driving behavior information using the traffic light 410 as an access point (AP). In the example of Fig. 8, the driving behavior information of vehicle V2 transmitted from vehicle V2 is received by vehicle V1 via the traffic light 410. Note that the traffic light 410 that receives the driving behavior information and the traffic light 410 that transmits the driving behavior information may be the same traffic light or different traffic lights.
9, access points (AP) are placed at predetermined intervals along a road. The access points (AP) may be buried in the road surface or may be provided on the side of the road.
10, the driving behavior information of the automobile (other vehicle) V2 is stored in the mobile terminal 500 of the driver of the automobile (host vehicle) V1. The driving behavior information is downloaded from the computing system 200 to the mobile terminal 430. Then, the driving behavior information of the automobile (other vehicle) V2 is transmitted from the mobile terminal 430 to the automobile V1 by short-range wireless communication inside the automobile V1.
The configuration of Figure 11 can be realized by using an access point (AP) installed on, for example, a ground stationary object 410 shown in Figure 8 or a road 420 shown in Figure 9 as an access point for automobiles V1 and V2 to communicate with computing system 200 via Internet 300.

図１２は本発明の自動車の別の実施形態についての説明図である。
車庫Ｇは、自動車Ｖ２（１００）が日常使用している車庫である。
車庫Ｇは、細い道路ＳＴに面しているため、運転に不慣れなドライバやカーシェアリングサービスなどで運転の度に異なる車両に搭乗するドライバにとっては入庫操作が難しい。
車庫Ｇの左側斜め前方には、道路ＳＴから分岐した形状の凹部Ｄがある。
自動車Ｖ２を車庫Ｇに入れるためには、先ず、図１３（Ａ）に示すように、自動車Ｖ２の右先端が凹部Ｄの中に入るまで、自動車Ｖ２を右斜め方向に前進させなければならない。その後、図１３（Ｂ）に示すように、軌道が弧を描くように蛇角を注意深く調整しながら自動車Ｖ２を進行させなければならない。
自動車Ｖ２は、車庫Ｇに入庫した時に運転に関する各種データを取得し、当該各種データを自車両の記憶部１２８に記憶している。自動車Ｖ２は、当該記憶部１２８に記憶した当該各種データを含む運転行動情報を自動車Ｖ１（１００）に提供する。この場合の運転行動情報には、車庫Ｇに入庫するための移動経路と当該経路上の各地点において自動車Ｖ２によりなされた運転操作とを対応付けた情報（入出車経路位置－運転操作対応テーブル）が含まれる。自動車Ｖ２がその運転行動情報を自動車Ｖ１に提供する方法は任意である。 FIG. 12 is an explanatory diagram of another embodiment of the automobile of the present invention.
Garage G is the garage where car V2 (100) is used daily.
Since the garage G faces a narrow road ST, it is difficult for drivers who are inexperienced in driving or drivers who use different vehicles each time they drive, such as those using car sharing services, to enter the garage.
Diagonally forward on the left side of the garage G, there is a recess D branching off from the road ST.
To put the car V2 into the garage G, first, as shown in Figure 13(A), the car V2 must be moved forward diagonally to the right until the right end of the car V2 enters the recess D. Then, as shown in Figure 13(B), the car V2 must be advanced while carefully adjusting the steering angle so that the trajectory forms an arc.
When automobile V2 enters garage G, it acquires various data related to driving and stores the various data in its own vehicle's memory unit 128. Automobile V2 provides automobile V1 (100) with driving behavior information including the various data stored in memory unit 128. In this case, the driving behavior information includes information that associates the travel route for entering garage G with the driving operations performed by automobile V2 at each point on the route (entrance/exit route position-driving operation correspondence table). The method by which automobile V2 provides the driving behavior information to automobile V1 is arbitrary.

図１４には、自動車Ｖ１、Ｖ２と車庫Ｇとの間の通信により運転行動情報の受け渡しが行なわれる場合が例示されている。図１４の例では、車庫Ｇの入り口近傍に、車庫入れ経験提供装置４４０が設けられている。車庫入れ経験報提供装置４４０は、自動車Ｖ２からその運転行動情報（経験情報）を受信し（運転行動情報受信機能）、その運転行動情報を記憶部に記憶している（運転行動情報記憶機能）。そして、車庫入れ経験提供装置４４０は、自動車Ｖ１が車庫Ｇに近づいたら、その記憶部に記憶されている運転行動情報を自動車Ｖ１に送信する。
自動車Ｖ１は、自動車Ｖ２の運転行動情報を自車両の運転支援制御及び自動運転制御に利用する。自動車Ｖ１は、車庫Ｇに入庫した経験はないが、車庫Ｇを日常的に使用している自動車Ｖ２の運転行動情報に基づいて運転支援制御及び自動運転制御を行うことにより、自動車Ｖ２と同等レベルの運転支援性能及び自動運転性能で車庫Ｇに入庫することができる。出庫の場合も同様である。 14 illustrates an example in which driving behavior information is exchanged through communication between automobiles V1 and V2 and a garage G. In the example of FIG. 14, a garage parking experience providing device 440 is provided near the entrance to the garage G. The garage parking experience providing device 440 receives driving behavior information (experience information) from automobile V2 (driving behavior information receiving function) and stores the driving behavior information in a memory unit (driving behavior information storage function). Then, when automobile V1 approaches the garage G, the garage parking experience providing device 440 transmits the driving behavior information stored in the memory unit to automobile V1.
Vehicle V1 uses the driving behavior information of vehicle V2 for driving assistance control and automatic driving control of the vehicle itself. Although vehicle V1 has never entered garage G, by performing driving assistance control and automatic driving control based on the driving behavior information of vehicle V2, which uses garage G on a daily basis, vehicle V1 can enter garage G with driving assistance performance and automatic driving performance at the same level as vehicle V2. The same applies when leaving the garage.

図１５は本発明の道路交通システムにおけるコンピューティングシステムの構成例を示す概念図である。
コンピューティングシステム２００内のサーバコンピュータ２１０は、１又は複数の自動車Ｖ１、Ｖ２、Ｖ３・・・の運転行動情報（経験情報）をインターネット経由で受信し（運転行動情報受信機能２１０ａ）、当該運転行動情報を当該運転行動情報の送信元とは異なる１又は複数の自動車Ｖ１、Ｖ２、Ｖ３・・・にインターネット３００経由で送信する（運転行動情報送信機能２１０ｂ）。サーバコンピュータ２１０から運転行動情報を受信した車両は、当該運転行動情報を自車両の運転支援制御及び自動運転制御に利用できる。自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて運転支援制御及び自動運転制御を行うことにより、当該他車両と同等レベルの運転支援性能及び自動運転性能で当該状況に対処できる。
このシステムによれば、多数の自動車Ｖ１、Ｖ２、Ｖ３、・・・、Ｖｎが運転行動情報を互いに利用し合うことにより、各車両の運転支援性能及び自動運転性能を効率良く向上させることができる。これにより、多数の自動車Ｖ１、Ｖ２、Ｖ３、・・・、Ｖｎが自車両の経験のみならず他車両の経験も活用して各車両の運転支援性能及び自動運転性能を向上させ得る道路交通システムを実現することができる。 FIG. 15 is a conceptual diagram showing an example of the configuration of a computing system in the road traffic system of the present invention.
A server computer 210 in the computing system 200 receives driving behavior information (experience information) of one or more automobiles V1, V2, V3, ... via the Internet (driving behavior information receiving function 210a), and transmits the driving behavior information to one or more automobiles V1, V2, V3, ... that are different from the sender of the driving behavior information via the Internet 300 (driving behavior information transmitting function 210b). A vehicle that receives the driving behavior information from the server computer 210 can use the driving behavior information for driving assistance control and automatic driving control of its own vehicle. Even in a situation that the own vehicle has not experienced, by performing driving assistance control and automatic driving control based on driving behavior information of another vehicle that has experienced the situation, the situation can be handled with driving assistance performance and automatic driving performance at the same level as the other vehicle.
According to this system, multiple vehicles V1, V2, V3, ..., Vn can mutually utilize driving behavior information, thereby efficiently improving the driving assistance performance and automated driving performance of each vehicle. This makes it possible to realize a road traffic system in which multiple vehicles V1, V2, V3, ..., Vn can utilize not only their own vehicle's experience but also the experience of other vehicles to improve the driving assistance performance and automated driving performance of each vehicle.

図１６は本発明の道路交通システムにおけるコンピューティングシステムの別の構成例を示す概念図である。
コンピューティングシステム２００内のサーバコンピュータ２１０は、１又は複数の車両の運転行動情報（経験情報）をインターネット３００経由で受信し（運転行動情報受信機能２１０ａ）、当該運転行動情報に基づいて最適化された運転行動情報を生成し（最適化情報生成機能２１０ｃ）、当該最適化された運転行動情報を最新の情報に更新して管理し（最適化情報更新機能２１０ｄ）、１又は複数の車両にインターネット経由で送信する（運転行動情報送信機能２１０ｂ）。
サーバコンピュータ２１０から運転行動情報を受信した車両は、当該運転行動情報を自車両の運転制御に利用できる。自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動情報に基づいて最適化された運転行動情報に基づいて運転支援制御及び自動運転制御を行うことにより、当該他車両と同等レベルかそれ以上の運転支援性能及び自動運転性能で当該状況に対処できる。
このシステムによれば、多数の自動車Ｖ１、Ｖ２、Ｖ３、・・・、Ｖｎが運転行動情報を互いに利用し合うことにより、各車両の運転支援性能及び自動運転性能を効率良く最適化することができる。これにより、多数の自動車Ｖ１、Ｖ２、Ｖ３、・・・、Ｖｎが自車両の経験のみならず他車両の経験も活用して各車両の運転支援性能及び自動運転性能を効率良く最適化し得る道路交通システムシステムを実現することができる。最適化の対象には、消費エネルギ、回生エネルギ、事故発生率、等が含まれる。
サーバコンピュータ２１０は、運転行動情報の提供元車両と提供先車両の車両属性（車種、車両寸法、内外輪差、等）が異なる場合、提供先車両の車両属性に応じて、提供する運転行動情報を最適値に修正する。したがって、提供元車両と提供先車両の車両属性がが異なる場合でも、提供先車両には、その自動車のために最適化された運転行動情報が提供される。最適化された運転行動情報の例として、その時々の走行状況に応じて、提供先車両が障害物と接触する可能性が最も小さくなるように修正された運転行動情報を挙げることができる。この構成により、たとえば、提供元車両と提供先車両が全く同じ経路を走行する場合でも、両車両の車両寸法や内外輪差が相違する場合には、両車両のステアリング操作量やブレーキ操作のタイミングを修正した運転行動情報が提供先車両に提供される。提供元車両と提供先車両との対応関係は、多対１の関係であることもある。多対１の関係の場合、複数の提供元車両の運転行動情報の平均値を修正した運転行動情報を提供先車両に提供することが望ましい。 FIG. 16 is a conceptual diagram showing another example of the configuration of a computing system in the road traffic system of the present invention.
The server computer 210 in the computing system 200 receives driving behavior information (experience information) of one or more vehicles via the Internet 300 (driving behavior information receiving function 210a), generates optimized driving behavior information based on the driving behavior information (optimization information generating function 210c), updates the optimized driving behavior information to the latest information, manages it (optimization information updating function 210d), and transmits it to one or more vehicles via the Internet (driving behavior information transmitting function 210b).
A vehicle that receives the driving behavior information from the server computer 210 can use the driving behavior information for driving control of the vehicle itself. Even in a situation that the vehicle itself has not experienced, by performing driving assistance control and automatic driving control based on driving behavior information optimized based on driving behavior information of other vehicles that have experienced the situation, the vehicle can deal with the situation with driving assistance performance and automatic driving performance at the same level or higher than that of the other vehicles.
According to this system, multiple vehicles V1, V2, V3, ..., Vn can mutually utilize driving behavior information to efficiently optimize the driving assistance performance and autonomous driving performance of each vehicle. This makes it possible to realize a road traffic system in which multiple vehicles V1, V2, V3, ..., Vn can efficiently optimize the driving assistance performance and autonomous driving performance of each vehicle by utilizing not only the experience of their own vehicle but also the experience of other vehicles. Targets for optimization include energy consumption, regenerative energy, accident rate, etc.
When the vehicle attributes (e.g., vehicle type, vehicle dimensions, wheel offset, etc.) of the vehicle providing the driving behavior information differ from those of the vehicle receiving the driving behavior information, the server computer 210 optimizes the driving behavior information to be provided according to the vehicle attributes of the vehicle receiving the driving behavior information. Therefore, even when the vehicle attributes of the vehicle providing the driving behavior information differ, the vehicle receiving the driving behavior information is provided with driving behavior information optimized for the vehicle. An example of optimized driving behavior information is driving behavior information modified to minimize the possibility of the vehicle contacting an obstacle depending on the driving conditions at the time. With this configuration, for example, even when the vehicle providing the driving behavior information of the source vehicle and the destination vehicle are traveling along the exact same route, if the vehicle dimensions or wheel offset of the two vehicles differ, driving behavior information with modified steering operation amounts and braking operation timings of the two vehicles is provided to the destination vehicle. The correspondence relationship between the source vehicle and the destination vehicle may be a many-to-one relationship. In a many-to-one relationship, it is desirable to provide the destination vehicle with driving behavior information modified by averaging the driving behavior information of multiple source vehicles.

図１７は本発明の道路交通システムの別の構成例を示す概念図である。
この道路交通システム１を構成する車両１００は、ロボットカー（自動運転車）１００Ａと非ロボットカー（手動運転車又は運転支援機能付き自動車）１００Ｂとに大別される。図１７には、ロボットカー１００Ａと非ロボットカー１００Ｂが各一台ずつしか示されていないが、実際のシステムでは、ロボットカー１００Ａは複数台あり、非ロボットカー１００Ｂは一台又は複数台ある。
コンピューティングシステム２００内のサーバコンピュータ２１０は、非ロボットカー１００Ｂから運転行動情報（経験情報）を受信する運転行動情報受信機能２１０ａと、運転行動情報をロボットカー１００Ａに送信する運転行動情報送信機能２１０ｂと、を有する。
ロボットカー１００Ａは、ヒューマンドライバによる運転操作の代わりに自動運転制御によって運転操作がなされる車両である。ロボットカー１００Ａは、自車両の走行状況を認知する走行状況認知部１００Ａａと、非ロボットカー１００Ｂの運転行動情報をコンピューティングシステム２００から受信する運転行動情報受信部１００Ａｂと、運転行動情報受信部１００Ａｂにより受信した運転行動情報を参照しつつ自車両の走行状況認知部１００Ａａにより認知された走行状況に応じた自動運転制御を行う自動運転制御部１００Ａｃと、を有する。
ロボットカー１００Ａは、自動運転走行時に得られた各種データに基づいて運転操作を学習しつつ自動運転制御を行う。ロボットカー１００Ａには、緊急時にヒューマンドライバが回避操作し得る所謂ドライバ支援型自動運転車が含まれる。
非ロボットカー１００Ｂは、ヒューマンドライバにより運転操作がなされる車両である。非ロボットカー１００Ｂは、自車両の走行状況を認知する走行状況認知部１００Ｂａと、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部１００Ｂｂと、走行状況認知部１００Ｂａにより認知された走行状況と運転操作検出部１００Ｂｂにより検出された運転操作とを対応付けた運転行動情報をコンピューティングシステム２００に送信する運転行動情報送信部１００Ｂｃと、を有する。非ロボットカー１００Ｂは、自車両のドライバによる運転操作を学習しつつ運転支援制御を実行する。 FIG. 17 is a conceptual diagram showing another example of the configuration of the road traffic system of the present invention.
The vehicles 100 that make up this road traffic system 1 are broadly divided into robotic cars (autonomous vehicles) 100A and non-robotic cars (manually driven vehicles or vehicles with driving assistance functions) 100B. While Fig. 17 shows only one robotic car 100A and one non-robotic car 100B, an actual system would have multiple robotic cars 100A and one or more non-robotic cars 100B.
The server computer 210 in the computing system 200 has a driving behavior information receiving function 210a that receives driving behavior information (experience information) from the non-robotic car 100B, and a driving behavior information transmitting function 210b that transmits driving behavior information to the robotic car 100A.
The robot car 100A is a vehicle that is driven by automatic driving control instead of by a human driver. The robot car 100A has a driving situation recognition unit 100Aa that recognizes the driving situation of the robot car, a driving behavior information receiving unit 100Ab that receives driving behavior information of the non-robot car 100B from the computing system 200, and an automatic driving control unit 100Ac that performs automatic driving control according to the driving situation recognized by the driving situation recognition unit 100Aa of the robot car while referring to the driving behavior information received by the driving behavior information receiving unit 100Ab.
The robot car 100A performs autonomous driving control while learning driving operations based on various data obtained during autonomous driving. The robot car 100A includes so-called driver-assisted autonomous vehicles in which a human driver can perform evasive operations in an emergency.
The non-robotic car 100B is a vehicle driven by a human driver. The non-robotic car 100B includes a driving situation recognition unit 100Ba that recognizes the driving situation of the vehicle, a driving operation detection unit 100Bb that detects driving operations by the human driver of the vehicle, and a driving behavior information transmission unit 100Bc that transmits driving behavior information that associates the driving situation recognized by the driving situation recognition unit 100Ba with the driving operations detected by the driving operation detection unit 100Bb to the computing system 200. The non-robotic car 100B executes driving assistance control while learning the driving operations by the driver of the vehicle.

走行状況認知部１００Ａａ、１００Ｂａは、検知部１２１、車両情報入力部１２２、測位部１２３、地図情報入力部１２４、操作部１２５、通信部１２６、等と制御部１２９とにより実現される。
運転操作検出部１００Ｂｂは、車両情報入力部１２２の運転操作検出機能により実現される。
運転行動情報受信部１００Ａｂ及び運転行動情報送信部１００Ｂｃは、車載ゲートウェイ１１０により実現される。
自動運転制御部１００Ａｃは、制御部１２９により実現される。 The driving situation recognition units 100Aa and 100Ba are realized by a detection unit 121, a vehicle information input unit 122, a positioning unit 123, a map information input unit 124, an operation unit 125, a communication unit 126, etc., and a control unit 129.
The driving performance detection unit 100Bb is realized by the driving performance detection function of the vehicle information input unit 122.
The driving behavior information receiving unit 100Ab and the driving behavior information transmitting unit 100Bc are realized by the in-vehicle gateway 110.
The automatic driving control unit 100Ac is realized by the control unit 129.

非ロボットカー１００Ｂは、自車両の運転行動情報をコンピューティングシステム２００に送信する。コンピューティングシステム２００内のサーバコンピュータ２１０は、非ロボットカー１００Ｂの運転行動情報をインターネット経由で受信し、当該運転行動情報をロボットカー１００Ａにインターネット３００経由で送信する。サーバコンピュータ２１０から非ロボットカー１００Ｂの運転行動情報を受信したロボットカー１００Ａは、当該運転行動情報を自車両の自動運転制御に利用する。すなわち、ロボットカー１００Ａは、サーバコンピュータ２１０から受信した非ロボットカー１００Ｂの運転行動情報を参照しつつ自車両の走行状況に応じた自動運転制御を行う。ロボットカー１００Ａがコンピューティングシステム２００から受け取る運転行動情報は、非ロボットカー１００Ｂのドライバによる運転操作の学習結果が反映された運転行動情報である。
したがって、このシステムによれば、ロボットカー１００Ａは、自車両が未経験（未学習）の状況においても、非ロボットカー１００Ｂが当該状況を経験したことのある車両である場合、非ロボットカー１００Ｂの運転行動情報に基づいて自動運転制御を行うことにより、非ロボットカー１００Ｂと同等レベルの運転性能で当該状況に対処できる。 The non-robot car 100B transmits its own driving behavior information to the computing system 200. The server computer 210 in the computing system 200 receives the driving behavior information of the non-robot car 100B via the Internet and transmits the driving behavior information to the robot car 100A via the Internet 300. The robot car 100A, which receives the driving behavior information of the non-robot car 100B from the server computer 210, uses the driving behavior information for autonomous driving control of its own vehicle. That is, the robot car 100A performs autonomous driving control according to the driving situation of its own vehicle while referring to the driving behavior information of the non-robot car 100B received from the server computer 210. The driving behavior information that the robot car 100A receives from the computing system 200 reflects the learning results of the driving operations by the driver of the non-robot car 100B.
Therefore, according to this system, even if the robot car 100A is in a situation that it has not experienced (has not learned), if the non-robot car 100B is a vehicle that has experienced that situation, the robot car 100A can handle the situation with driving performance at the same level as the non-robot car 100B by performing automatic driving control based on the driving behavior information of the non-robot car 100B.

図１８は本発明の道路交通システムの更に別の構成例を示す概念図である。図１７と共通の構成要素については同一の符号を付してその説明を適宜省略する。
コンピューティングシステム２００内のサーバコンピュータ２１０は、非ロボットカー１００Ｂから運転行動情報（経験情報）を受信する運転行動情報受信機能２１０ａと、運転行動情報に基づいて最適化された運転行動情報を生成する最適化情報生成機能２１０ｃと、最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新機能２１０ｄと、最適化された運転行動情報をロボットカー１００Ａに送信する運転行動情報送信機能２１０ｂと、を有する。
非ロボットカー１００Ｂは、自車両の運転行動情報をコンピューティングシステム２００に送信する。コンピューティングシステム２００内のサーバコンピュータ２１０は、非ロボットカー１００Ｂの運転行動情報をインターネット経由で受信し、当該運転行動情報を最適化し、常に最新の最適化された運転行動情報をロボットカー１００Ａにインターネット３００経由で送信する。サーバコンピュータ２１０から非ロボットカー１００Ｂの運転行動情報を受信したロボットカー１００Ａは、当該運転行動情報を自車両の自動運転制御に利用し得る。
このシステムによれば、ロボットカー１００Ａは、自車両が未経験の状況においても、非ロボットカー１００Ｂが当該状況を経験したことのある車両である場合、非ロボットカー１００Ｂの運転行動情報に基づいて最適化された最新の運転行動情報に基づいて自動運転制御を行うことにより、当該非ロボットカー１００Ｂと同等レベルかそれ以上の運転性能で当該状況に対処できる。 Fig. 18 is a conceptual diagram showing yet another example of the configuration of the road traffic system of the present invention. Components common to those in Fig. 17 are given the same reference numerals and their explanation will be omitted where appropriate.
The server computer 210 in the computing system 200 has a driving behavior information receiving function 210a that receives driving behavior information (experience information) from the non-robot car 100B, an optimization information generating function 210c that generates optimized driving behavior information based on the driving behavior information, an optimization information updating function 210d that updates the optimized driving behavior information to the latest information and manages it, and a driving behavior information transmitting function 210b that transmits the optimized driving behavior information to the robot car 100A.
The non-robotic car 100B transmits its own driving behavior information to the computing system 200. The server computer 210 in the computing system 200 receives the driving behavior information of the non-robotic car 100B via the Internet, optimizes the driving behavior information, and constantly transmits the latest optimized driving behavior information to the robotic car 100A via the Internet 300. The robotic car 100A, which receives the driving behavior information of the non-robotic car 100B from the server computer 210, can use the driving behavior information for autonomous driving control of its own vehicle.
According to this system, even if the robot car 100A is in a situation that it has never experienced, if the non-robot car 100B is a vehicle that has experienced that situation, the robot car 100A can handle the situation with driving performance at the same level or higher than that of the non-robot car 100B by performing automatic driving control based on the latest driving behavior information optimized based on the driving behavior information of the non-robot car 100B.

図１７及び図１８のシステムによれば、非ロボットカー１００Ｂがドライバの運転操作を日々学習して運転支援性能を日々向上させていくことにより、ロボットカー１００Ａの自動運転性能も日々向上させていくことができる。すなわち、ロボットカー１００Ａと非ロボットカー１００Ｂとが共存する状況下で、非ロボットカー１００Ｂを運転するドライバの運転テクニックをロボットカー１００Ａに学習させて、ロボットカー１００Ａの自動運転性能を高効率に向上させることができる。ロボットカー１００Ａの自動運転性能が向上するにつれて、道路交通システム１全体の運用効率の向上、安全性の向上、顧客満足度の向上、等が図られる。
図１７及び図１８のシステムによれば、タクシードライバやバスドライバ等、プロフェッショナルドライバが非ロボットカー１００Ｂを運転した際に得られた運転行動情報を、道路交通システム１全体の運用効率の向上、安全性の向上、等のために利用することができる。ロボットカー１００Ａの自動運転性能の向上に役立つ運転行動情報を提供したプロフェッショナルドライバが対価を得ることができるシステムとすることにより、非ロボットカー１００Ｂを運転した際の運転行動情報を提供することへのインセンティブをプロフェッショナルドライバ達に与えて、彼らの持つ高度な運転テクニックによる運転行動情報の提供を促すことができる。このシステムは、ロボットカー１００Ａと非ロボットカー１００Ｂとが共存する環境（全ての車両がロボットカーになるまでの過渡的環境）において、ロボットカー１００Ａの自動運転性能を向上させたい企業等とタクシードライバやバスドライバ等の双方にとって都合の良いシステムである。 17 and 18, the non-robotic car 100B learns the driver's driving operations daily and improves its driving assistance performance daily, thereby improving the autonomous driving performance of the robotic car 100A daily. In other words, in a situation where the robotic car 100A and the non-robotic car 100B coexist, the robotic car 100A can learn the driving techniques of the driver of the non-robotic car 100B, thereby efficiently improving the autonomous driving performance of the robotic car 100A. As the autonomous driving performance of the robotic car 100A improves, the operational efficiency, safety, and customer satisfaction of the entire road traffic system 1 can be improved.
17 and 18 , driving behavior information obtained when professional drivers, such as taxi drivers and bus drivers, drive non-robotic cars 100B can be used to improve the operational efficiency and safety of the entire road traffic system 1. By providing a system in which professional drivers who provide driving behavior information useful for improving the autonomous driving performance of the robotic car 100A can receive compensation, professional drivers can be given incentives to provide driving behavior information when driving non-robotic cars 100B, encouraging them to provide driving behavior information based on their advanced driving techniques. This system is convenient for both companies and taxi and bus drivers who want to improve the autonomous driving performance of the robotic car 100A in an environment where the robotic car 100A and non-robotic cars 100B coexist (a transitional environment until all vehicles become robotic cars).

ところで、交通法規を完全に遵守するロボットカーと交通法規を遵守するとは限らない非ロボットカーとが共存する状況においては、両者の運転行動特性（特に「判断・計画」）の相違による事故が発生するという問題が想定され得る。
例えば、進行方向の信号器の点灯色が黄色（注意）からもうすぐ赤（停止）に切り替わるというタイミングで車両が交差点に近づいた場合、当該車両がロボットカーであれば必ず交差点の手前で停止するが、非ロボットカーは交差点の手前で停止するとは限らない。その結果、ロボットカーの後続車両が非ロボットカーである場合、交差点の手前で停止したロボットカーに非ロボットカーが後方から追突するという事故（もらい事故）が多発する可能性がある。
また、道路を走行する全ての車両がロボットカーであれば、車車間通信や路車間通信によるネットワークを構築することで、ロボットカー集団として安全で効率的な走行環境を作り上げることが可能になるが、この集団の中に人間が運転する非ロボットカー（手動運転車）が1台でも入り込むと、この協調体制が一気に崩壊してしまうという問題も想定され得る。
これらの問題点は、図１７及び図１８のシステムによれば、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させて、ロボットカー１００Ａの運転行動を可能な限り非ロボットカー１００Ｂの運転行動に近づけることにより解消し得る。例えば、非ロボットカー１００Ｂによるもらい事故の危険が発生する可能性の高い状況下では、ロボットカー１００Ａに非ロボットカー１００Ｂと同じような運転行動（交通法規を遵守しない運転行動）を敢えて選択させることにより、そのような危険を回避し得る。また、正確に一定の車間距離（交通法規を遵守した車間距離又は空気抵抗を可及的に低減し得る車間距離）を保ちながら協調体制で走行しているロボットカー１００Ａの集団に前記一定の車間距離とは異なる車間距離で走行する非ロボットカー１００Ｂが割り込んだ場合、非ロボットカー１００Ｂの前後それぞれ数台のロボットカー１００Ａに非ロボットカー１００Ｂと同じような運転行動（前記一定の車間距離とは異なる車間距離で走行する運転行動）を敢えて選択させることにより、ロボットカー１００Ａの集団の協調体制を可能な限り保持した安全且つ効率的な走行環境を実現し得る。 However, in a situation where robot cars that fully comply with traffic laws and non-robotic cars that do not necessarily comply with traffic laws coexist, it is possible that accidents may occur due to differences in the driving behavior characteristics (especially ``judgment and planning'') of the two vehicles.
For example, if a vehicle approaches an intersection just as the traffic light in the direction of travel is about to change from yellow (caution) to red (stop), a robotic car will always stop before the intersection, but a non-robotic car may not. As a result, if a robotic car is followed by a non-robotic car, there is a high possibility of accidents (hit-and-run accidents) in which the non-robotic car crashes into the robotic car from behind as it stops before the intersection.
Furthermore, if all vehicles on the road were robotic cars, it would be possible to create a safe and efficient driving environment for a group of robotic cars by building a network using vehicle-to-vehicle and vehicle-to-infrastructure communication. However, if even one non-robotic car (manually driven car) driven by a human were to enter this group, it is conceivable that this cooperative system would suddenly collapse.
17 and 18, these problems can be resolved by having the robot car 100A learn the driving behavior of the human driver who drives the non-robot car 100B, and by making the driving behavior of the robot car 100A as similar as possible to the driving behavior of the non-robot car 100B. For example, in a situation where there is a high possibility of a hit-and-run accident caused by the non-robot car 100B, such a risk can be avoided by having the robot car 100A deliberately select a driving behavior similar to that of the non-robot car 100B (driving behavior that does not comply with traffic laws). Furthermore, if a group of robotic cars 100A are driving in a cooperative system while maintaining an accurate constant inter-vehicle distance (a distance that complies with traffic laws or a distance that reduces air resistance as much as possible) and a non-robotic car 100B driving at a distance different from the constant inter-vehicle distance cuts in, several robotic cars 100A in front of and behind the non-robotic car 100B can be made to deliberately choose driving behavior similar to that of the non-robotic car 100B (driving behavior that drives at a distance different from the constant inter-vehicle distance), thereby realizing a safe and efficient driving environment that maintains the cooperative system of the group of robotic cars 100A as much as possible.

図１７及び図１８では、ロボットカー１００Ａが非ロボットカー１００Ａの運転行動情報をインターネット経由で受信する運転行動情報受信部（運転行動情報取得部）Ａｂを有しているが、ロボットカー１００Ａが運転行動情報を取得する機能はこれ以外の方式によっても実現可能である。たとえば、車車間通信（図７参照）、自車両と地上静止物との間の通信（図８参照）、路車間通信（図９参照）、自車両と携帯端末との間の通信（図１０参照）、等によっても実現可能である。17 and 18, the robot car 100A has a driving behavior information receiving unit (driving behavior information acquisition unit) Ab that receives driving behavior information from the non-robot car 100A via the Internet, but the function of the robot car 100A to acquire driving behavior information can be realized by other methods as well. For example, it can be realized by vehicle-to-vehicle communication (see FIG. 7), communication between the vehicle and a stationary object on the ground (see FIG. 8), road-to-vehicle communication (see FIG. 9), communication between the vehicle and a mobile terminal (see FIG. 10), etc.

図１９は本発明の道路交通システムの更に別の構成例を示す概念図である。
図１７及び図１８のシステム構成では、非ロボットカー１００Ｂの運転行動情報（経験情報）をロボットカー１００Ａが利用し得るのみであるが、ロボットカー１００Ａと非ロボットカー１００Ｂとが運転行動情報を互いに利用し合うシステム構成とすることも可能である。この場合のロボットカー１００Ａは、図１９（Ａ）に例示するように、自車両の運転行動情報を他車両に提供するための運転行動情報出力部（運転行動情報送信部、等）１００Ａｄを有する。また、非ロボットカー１００Ｂは、運転支援機能付き自動車であり、図１９（Ｂ）に例示するように、自車両の走行状況を認知する走行状況認知部１００Ｂａと、ロボットカー１００Ａの運転行動情報を取得する運転行動情報取得部（運転行動情報受信部、等）１００Ｂｄと、ロボットカー１００Ａから取得した運転行動情報を参照しつつ自車両の走行状況認知部１００Ｂａにより認知された走行状況に応じた運転支援制御を行う運転支援制御部１００Ｂｅと、を有する。運転支援制御部１００Ｂｅは、制御部１２９（図２参照）により実現される。
このシステム構成によれば、非ロボットカー１００Ｂがヒューマンドライバの運転操作を日々学習して運転支援性能を日々向上させていくことにより、ロボットカー１００Ａの自動運転性能も日々向上させていくことができると同時に、ロボットカー１００Ａが運転操作を日々学習して自動運転性能を日々向上させていくことにより、非ロボットカー１００Ｂの運転支援性能も日々向上させていくことができる。すなわち、ロボットカー１００Ａと非ロボットカー１００Ｂとが共存する状況下で、非ロボットカー１００Ｂを運転するヒューマンドライバの運転テクニックをロボットカー１００Ａに学習させて、ロボットカー１００Ａの自動運転性能を高効率に向上させることができると同時に、ロボットカー１００Ａの運転操作を非ロボットカー１００Ｂに学習させて、非ロボットカー１００Ｂの運転支援性能を高効率に向上させることができる。ロボットカー１００Ａ及び非ロボットカー１００Ｂの運転性能が向上するにつれて、道路交通システム１全体の運用効率の向上、安全性の向上、等が図られる。 FIG. 19 is a conceptual diagram showing yet another example of the configuration of the road traffic system of the present invention.
17 and 18, the robot car 100A can only use the driving behavior information (experience information) of the non-robot car 100B. However, a system configuration in which the robot car 100A and the non-robot car 100B share driving behavior information is also possible. In this case, the robot car 100A has a driving behavior information output unit (e.g., driving behavior information transmitter) 100Ad for providing its own driving behavior information to other vehicles, as illustrated in FIG. 19A. The non-robot car 100B is a vehicle with a driving assistance function, and as illustrated in FIG. 19B, has a driving situation recognition unit 100Ba for recognizing the driving situation of the own vehicle, a driving behavior information acquisition unit (e.g., driving behavior information receiver) 100Bd for acquiring the driving behavior information of the robot car 100A, and a driving assistance control unit 100Be for performing driving assistance control in accordance with the driving situation recognized by the driving situation recognition unit 100Ba of the own vehicle while referring to the driving behavior information acquired from the robot car 100A. The driving assistance control unit 100Be is realized by the control unit 129 (see FIG. 2).
With this system configuration, the non-robotic car 100B learns the driving techniques of the human driver daily and improves its driving assistance performance daily, thereby improving the autonomous driving performance of the robotic car 100A daily. At the same time, the robotic car 100A learns driving techniques daily and improves its autonomous driving performance daily, thereby improving the driving assistance performance of the non-robotic car 100B daily. In other words, in a situation where the robotic car 100A and the non-robotic car 100B coexist, the robotic car 100A can learn the driving techniques of the human driver driving the non-robotic car 100B, thereby efficiently improving the autonomous driving performance of the robotic car 100A. At the same time, the non-robotic car 100B can learn the driving techniques of the robotic car 100A, thereby efficiently improving the driving assistance performance of the non-robotic car 100B. As the driving performance of the robotic car 100A and the non-robotic car 100B improves, the operational efficiency and safety of the entire road traffic system 1 are improved.

ロボットカー１００Ａの運転行動情報を非ロボットカー１００Ｂが利用し得るシステム構成は、ロボットカー１００Ａの自動運転性能がヒューマンドライバの運転テクニックを凌駕した時点以後の時代の道路交通システム１に特に好適である。このような、ロボットカー１００Ａがヒューマンドライバよりも運転が上手になった時代においては、もはやロボットカー１００Ａがヒューマンドライバの運転操作を学習することは無意味であると考えられるからである。 A system configuration in which the driving behavior information of the robot car 100A can be used by the non-robotic car 100B is particularly suitable for the road traffic system 1 in an era after the point in time when the autonomous driving performance of the robot car 100A surpasses the driving techniques of human drivers. In such an era when the robot car 100A has become a better driver than a human driver, it is considered pointless for the robot car 100A to learn the driving operations of a human driver.

図２０及び図２１は本発明の道路交通システムの更に別の構成例を示す概念図である。図１７及び図１８のシステム構成では、ロボットカー１００Ａと非ロボットカー１００Ｂとが混在しているが、道路交通システム１を構成する車両１００がロボットカー１００Ａのみであるシステム構成とし、道路交通システム１内のロボットカー１００Ａ同士が運転行動情報を利用し合えるようにすることも可能である。この場合のロボットカー１００Ａは、図１９（Ａ）の例と同様に、自車両の運転行動情報を他車両に提供するための運転行動情報出力部（運転行動情報送信部、等）１００Ａｄを有する。
このシステム構成によれば、道路交通システム１内のロボットカー１００Ａ同士が運転行動情報を利用し合うことにより、道路交通システム１内のロボットカー１００Ａの学習効率を高めて、自動運転性能を急速に向上させることができる。道路交通システム１内の全てのロボットカー１００Ａの自動運転性能を急速に向上させることができるため、道路交通システム１全体の運用効率、安全性、顧客満足度、等が急速に向上する。 20 and 21 are conceptual diagrams showing another example of the configuration of the road traffic system of the present invention. In the system configurations of Fig. 17 and Fig. 18, robot cars 100A and non-robotic cars 100B coexist. However, it is also possible to configure the system so that the vehicles 100 constituting the road traffic system 1 are only robot cars 100A, and the robot cars 100A in the road traffic system 1 can share driving behavior information. In this case, the robot car 100A has a driving behavior information output unit (driving behavior information transmitter, etc.) 100Ad for providing its own driving behavior information to other vehicles, as in the example of Fig. 19(A).
According to this system configuration, the robot cars 100A in the road traffic system 1 share driving behavior information with each other, thereby increasing the learning efficiency of the robot cars 100A in the road traffic system 1 and rapidly improving their autonomous driving performance. Because the autonomous driving performance of all the robot cars 100A in the road traffic system 1 can be rapidly improved, the operational efficiency, safety, customer satisfaction, etc. of the entire road traffic system 1 are rapidly improved.

図２２（Ａ）は、図１７乃至図２１中のロボットカー１００Ａの自動運転制御部１００Ａｃの構成例を示す機能ブロック図である。図２２（Ｂ）は、図１９中の非ロボットカー１００Ｂの運転支援制御部１００Ｂｅの構成例を示す機能ブロック図である。
自動運転制御部１００Ａｃは、走行状況認知部１００Ａａにより認知された走行状況に基づいて、実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う機能ブロックである。
運転支援制御部１００Ｂｅは、走行状況認知部１００Ａａにより認知された走行状況に基づいて、実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う機能ブロックである。 Fig. 22(A) is a functional block diagram showing a configuration example of the automatic driving control unit 100Ac of the robot car 100A in Fig. 17 to Fig. 21. Fig. 22(B) is a functional block diagram showing a configuration example of the driving assistance control unit 100Be of the non-robot car 100B in Fig. 19.
The automatic driving control unit 100Ac is a functional block that determines the driving operation to be performed based on the driving situation recognized by the driving situation recognition unit 100Aa, and performs automatic driving control so that the driving operation is performed.
The driving assistance control unit 100Be is a functional block that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit 100Aa, and performs driving assistance control so that the driving operation is performed.

図２２（Ａ）に示すように、自動運転制御部１００Ａｃは、実行すべき運転操作を決定する際に参照する知識情報を記憶した運転知識部１０１ａと、運転行動情報取得部（運転行動情報受信部、等）１００Ａｂにより取得した運転行動情報に基づいて、運転知識部１０１ａに記憶されている知識情報を更新する学習処理部（知識更新処理部）１０２ａとを有している。
この構成によれば、ロボットカー１００Ａは、他車両（他ロボットカー１００Ａ又は非ロボットカー１００Ｂ）の運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う。したがって、ロボットカー１００Ａは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して自動運転制御を行うことができる。 As shown in Figure 22 (A), the automatic driving control unit 100Ac has a driving knowledge unit 101a that stores knowledge information to be referenced when determining the driving operation to be performed, and a learning processing unit (knowledge update processing unit) 102a that updates the knowledge information stored in the driving knowledge unit 101a based on driving behavior information acquired by a driving behavior information acquisition unit (driving behavior information receiving unit, etc.) 100Ab.
According to this configuration, the robot car 100A performs a learning process to update knowledge information (such as criteria for determining the driving operation to be performed) based on the driving behavior information of other vehicles (other robot cars 100A or non-robot cars 100B), while referring to the knowledge information to determine the driving operation according to the driving situation and performing automatic driving control so that the driving operation is executed. Therefore, even in a situation that the robot car 100A has not experienced, the robot car 100A can learn the driving behavior of other vehicles that have experienced the situation and perform automatic driving control.

また、図２２（Ｂ）に示すように、運転支援制御部１００Ｂｅは、実行すべき運転操作を決定する際に参照する知識情報を記憶した運転知識部１０１ｂと、運転行動情報取得部（運転行動情報受信部、等）１００Ｂｄにより取得した運転行動情報に基づいて、運転知識部１０１ｂに記憶されている知識情報を更新する学習処理部（知識更新処理部）１０２ｂとを有している。
この構成によれば、非ロボットカー１００Ｂは、他車両（ロボットカー１００Ａ又は他の非ロボットカー１００Ｂ）の運転行動情報に基づいて知識情報（実行すべき運転操作を決定する際の判断基準など）を更新する学習処理を行いつつ、当該知識情報を参照して走行状況に応じた運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う。したがって、非ロボットカー１００Ｂは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して運転支援制御を行うことができる。 Also, as shown in Figure 22 (B), the driving assistance control unit 100Be has a driving knowledge unit 101b that stores knowledge information to be referenced when determining the driving operation to be performed, and a learning processing unit (knowledge update processing unit) 102b that updates the knowledge information stored in the driving knowledge unit 101b based on driving behavior information acquired by a driving behavior information acquisition unit (driving behavior information receiving unit, etc.) 100Bd.
According to this configuration, the non-robot car 100B performs a learning process to update knowledge information (such as criteria for determining the driving operation to be performed) based on driving behavior information of other vehicles (the robot car 100A or other non-robot cars 100B), while referring to the knowledge information to determine a driving operation according to the driving situation and performing driving assistance control so that the driving operation is performed. Therefore, even in a situation that the non-robot car 100B has not experienced, the non-robot car 100B can learn the driving behavior of other vehicles that have experienced the situation and perform driving assistance control.

図２３（Ａ）は、図１７乃至図２１中のロボットカー１００Ａの自動運転制御部１００Ａｃの別の構成例を示す機能ブロック図である。図２３（Ｂ）は、図１９中の非ロボットカー１００Ｂの運転支援制御部１００Ｂｅの別の構成例を示す機能ブロック図である。
自動運転制御部１００Ａｃは、走行状況認知部１００Ａａにより認知された走行状況に基づいて、実行すべき運転操作を決定し、当該運転操作が実行されるように自動運転制御を行う機能ブロックである。
運転支援制御部１００Ｂｅは、走行状況認知部１００Ａａにより認知された走行状況に基づいて、実行すべき運転操作を決定し、当該運転操作が実行されるように運転支援制御を行う機能ブロックである。 Fig. 23(A) is a functional block diagram showing another example of the configuration of the automatic driving control unit 100Ac of the robot car 100A in Fig. 17 to Fig. 21. Fig. 23(B) is a functional block diagram showing another example of the configuration of the driving assistance control unit 100Be of the non-robot car 100B in Fig. 19.
The automatic driving control unit 100Ac is a functional block that determines the driving operation to be performed based on the driving situation recognized by the driving situation recognition unit 100Aa, and performs automatic driving control so that the driving operation is performed.
The driving assistance control unit 100Be is a functional block that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit 100Aa, and performs driving assistance control so that the driving operation is performed.

図２３（Ａ）に示すように、自動運転制御部１００Ａｃは、走行状況認知部１００Ａａにより認知された走行状況に応じた運転操作を計算により決定する運転操作決定部１０３ａと、運転行動情報取得部（運転行動情報受信部、等）１００Ａｂにより取得した運転行動情報に基づいて、運転操作決定部１０３ａにおいて使用される運転操作決定関数のパラメタを調整する学習処理部１０４ａとを有する。
この構成によれば、ロボットカー１００Ａは、他車両（他のロボットカー１００Ａ又は非ロボットカー１００Ｂ）の運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように自動運転制御を行う。したがって、ロボットカー１００Ａは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して自動運転制御を行うことができる。
自動運転制御部１００Ａｃの学習処理部１０４ａをディープ・ニューラルネットで構成することにより、将来的には人間と同じく汎用の運転知識・運転能力（強いＡＩ）を持ったロボットカー１００Ａが実現され得る。 As shown in Figure 23 (A), the automatic driving control unit 100Ac has a driving operation determination unit 103a that determines, by calculation, a driving operation according to the driving situation recognized by the driving situation recognition unit 100Aa, and a learning processing unit 104a that adjusts the parameters of the driving operation determination function used in the driving operation determination unit 103a based on driving behavior information acquired by a driving behavior information acquisition unit (driving behavior information receiving unit, etc.) 100Ab.
According to this configuration, the robot car 100A performs a learning process to adjust the parameters of the driving operation decision function based on the driving behavior information of other vehicles (other robot cars 100A or non-robot cars 100B), determines a driving operation according to the driving situation using the driving operation decision function, and performs automatic driving control to execute the driving operation. Therefore, even in a situation that the robot car 100A has not experienced, the robot car 100A can learn the driving behavior of other vehicles that have experienced the situation and perform automatic driving control.
By configuring the learning processing unit 104a of the autonomous driving control unit 100Ac with a deep neural network, it may be possible in the future to realize a robot car 100A that has the same general driving knowledge and driving ability (strong AI) as humans.

また、図２３（Ｂ）に示すように、運転支援制御部１００Ｂｅは、走行状況認知部１００Ｂａにより認知された走行状況に応じた運転操作を計算により決定する運転操作決定部１０３ｂと、運転行動情報取得部（運転行動情報受信部、等）１００Ｂｄにより取得した運転行動情報に基づいて、運転操作決定部１０３ｂにおいて使用される運転操作決定関数のパラメタを調整する学習処理部１０４ｂとを有する。
この構成によれば、非ロボットカー１００Ｂは、他車両（ロボットカー１００Ａ又は他の非ロボットカー１００Ｂ）の運転行動情報に基づいて運転操作決定関数のパラメタを調整する学習処理を行いつつ、走行状況に応じた運転操作を運転操作決定関数により決定し、当該運転操作が実行されるように運転支援制御を行う。したがって、非ロボットカー１００Ｂは、自車両が未経験の状況においても、当該状況を経験したことのある他車両の運転行動を学習して運転支援制御を行うことができる。
運転支援制御部１００Ｂｅの学習処理部１０４ｂをディープ・ニューラルネットで構成することにより、将来的には人間と同じく汎用の運転知識・運転能力（強いＡＩ）を持った非ロボットカー１００Ｂが実現され得る。 As shown in FIG. 23B, the driving assistance control unit 100Be has a driving operation determination unit 103b that determines, by calculation, a driving operation according to the driving situation recognized by the driving situation recognition unit 100Ba, and a learning processing unit 104b that adjusts the parameters of the driving operation determination function used in the driving operation determination unit 103b based on the driving behavior information acquired by the driving behavior information acquisition unit (driving behavior information receiving unit, etc.) 100Bd.
According to this configuration, the non-robot car 100B performs a learning process to adjust the parameters of the driving operation decision function based on the driving behavior information of other vehicles (the robot car 100A or other non-robot cars 100B), determines a driving operation according to the driving situation using the driving operation decision function, and performs driving assistance control to execute the driving operation. Therefore, even in a situation that the non-robot car 100B has not experienced, the non-robot car 100B can learn the driving behavior of other vehicles that have experienced the situation and perform driving assistance control.
By configuring the learning processing unit 104b of the driving assistance control unit 100Be with a deep neural network, it may be possible in the future to realize a non-robot car 100B that has the same general driving knowledge and driving ability (strong AI) as a human.

以上の実施形態において、自動車１００は、経験情報の提供元である他車両と提供先である自車両の車両属性（車種や車体の各部の寸法など）が異なる場合、提供された運転行動情報を自車両の車両属性などに応じて最適値に修正し、当該修正した運転行動情報を参照して運転支援制御又は自動運転制御を行う機能を有することが望ましい。 In the above embodiments, when the vehicle attributes (such as vehicle type and dimensions of each part of the vehicle body) of the other vehicle that is the source of the experience information and the vehicle that is the recipient of the experience information are different, it is desirable for the automobile 100 to have the function of correcting the provided driving behavior information to optimal values in accordance with the vehicle attributes of the vehicle, etc., and performing driving assistance control or automatic driving control by referring to the corrected driving behavior information.

［車両共用システム］
図１乃至図２３に示した本発明の道路交通システムの実施形態は、本発明の車両共用システムの実施形態でもある。すなわち、道路交通システムの実施形態の説明は、その文中の「道路交通システム」を「車両共用システム」と読み替えることにより、車両共用システムの実施形態の説明とすることができる。車両共用システムの例として、レンタカーサービス、カーシェアリングサービス、ロボットタクシーサービス、ロボットバスサービスなどを提供しうるシステムを挙げることができる。
なお、車両共用システムにおいては、多くの場合、ロボットカー１００Ａは、複数の利用者によって共用される車両である。また、多くの場合、非ロボットカー１００Ｂは、複数の利用者によって共用される車両以外の車両である。 [Vehicle sharing system]
The embodiments of the road traffic system of the present invention shown in Figures 1 to 23 are also embodiments of the shared vehicle system of the present invention. That is, the description of the embodiments of the road traffic system can be interpreted as a description of the embodiments of the shared vehicle system by replacing "road traffic system" in the text with "shared vehicle system." Examples of shared vehicle systems include systems that can provide rental car services, car sharing services, robot taxi services, robot bus services, etc.
In most cases, in a shared vehicle system, the robot car 100A is a vehicle shared by multiple users, and the non-robot car 100B is a vehicle other than the vehicle shared by multiple users.

［ロボットカー教習システム］
図２４は本発明のロボットカー教習システムの構成例を示す概念図である。
図２４に例示されるロボットカー教習システム１は、ロボットカー１００Ａと非ロボットカー１００Ｂとコンピューティングシステム２００とを有する。
コンピューティングシステム２００は、サーバコンピュータ２１０とデータベース２２０とを備える。
サーバコンピュータ２１０は、非ロボットカー１００Ｂの運転行動情報をインターネット３００経由で受信する運転行動情報受信部２１０ａと、運転行動情報受信部２１０ａにより受信した運転行動情報をインターネット３００経由でロボットカー１００Ａに送信する運転行動情報送信部２１０ｂと、を有する。
データベース２２０は、サーバコンピュータ２１０により受信された運転行動情報を蓄積し管理している。
サーバコンピュータ２１０は単体でも複数でもよい。データベース（図示省略）は１つのサーバコンピュータに配置されていても、複数のサーバコンピュータに分散配置されていてもよい。 [Robot Car Training System]
FIG. 24 is a conceptual diagram showing an example of the configuration of a robot car training system according to the present invention.
The robot car training system 1 illustrated in FIG. 24 includes a robot car 100A, a non-robot car 100B, and a computing system 200.
The computing system 200 includes a server computer 210 and a database 220 .
The server computer 210 has a driving behavior information receiving unit 210a that receives driving behavior information of the non-robot car 100B via the Internet 300, and a driving behavior information transmitting unit 210b that transmits the driving behavior information received by the driving behavior information receiving unit 210a to the robot car 100A via the Internet 300.
The database 220 stores and manages the driving behavior information received by the server computer 210 .
There may be a single server computer 210 or multiple server computers 210. A database (not shown) may be located on one server computer or may be distributed across multiple server computers.

ロボットカー１００Ａは、自車両の走行状況を認知する走行状況認知部１００Ａａと、非ロボットカー１００Ｂの運転行動情報を受信する運転行動情報受信部（運転行動情報取得部）１００Ａｂと、自車両の走行状況認知部１００Ａにより認知された走行状況に基づいて自動運転制御を行うとともに、運転行動情報受信部１００Ａｂにより受信した運転行動情報に基づいて非ロボットカー１００Ｂの運転行動を学習する学習処理を行う自動運転制御部１００Ａｃと、を有する。 The robot car 100A has a driving situation recognition unit 100Aa that recognizes the driving situation of its own vehicle, a driving behavior information receiving unit (driving behavior information acquisition unit) 100Ab that receives driving behavior information of the non-robot car 100B, and an automatic driving control unit 100Ac that performs automatic driving control based on the driving situation recognized by the driving situation recognition unit 100A of the own vehicle and performs learning processing to learn the driving behavior of the non-robot car 100B based on the driving behavior information received by the driving behavior information receiving unit 100Ab.

非ロボットカー１００Ｂは、自車両の走行状況を認知する走行状況認知部１００Ｂａと、自車両のヒューマンドライバによる運転操作を検出する運転操作検出部１００Ｂｂと、走行状況認知部１００Ｂａにより認知された走行状況と運転操作検出部１００Ｂｂにより検出された運転操作とを対応付けた運転行動情報を送信する運転行動情報送信部（運転行動情報出力部）１００Ｂｃと、を有する。 The non-robotic car 100B has a driving situation recognition unit 100Ba that recognizes the driving situation of the vehicle, a driving operation detection unit 100Bb that detects driving operations by the human driver of the vehicle, and a driving behavior information transmission unit (driving behavior information output unit) 100Bc that transmits driving behavior information that corresponds the driving situation recognized by the driving situation recognition unit 100Ba with the driving operations detected by the driving operation detection unit 100Bb.

図２５はロボットカー１００Ａのシステム構成の一例を示す機能ブロック図である。図２６は非ロボットカー１００Ａのシステム構成の一例を示す機能ブロック図である。 Figure 25 is a functional block diagram showing an example of the system configuration of a robot car 100A. Figure 26 is a functional block diagram showing an example of the system configuration of a non-robot car 100A.

図２５に示されるように、ロボットカー１００Ａは、車載ゲートウェイ１１０Ａと走行制御システム１２０Ａとを有する。
車載ゲートウェイ１１０Ａは、走行制御システム１２０Ａの制御下で、コンピューティングシステム２００と通信する。車載ゲートウェイ１１０Ａは、コンピューティングシステム２００から受信したデータを走行制御システム１２０Ａに入力する。車載ゲートウェイ１１０Ａは、走行制御システム１２０Ａから入力されたデータをコンピューティングシステム２００に送信する。
走行制御システム１２０Ａは、検知部１２１Ａ、車両情報入力部１２２Ａ、測位部１２３Ａ、地図情報入力部１２４Ａ、操作部１２５Ａ、通信部１２６Ａ、表示部１２７Ａ、記憶部１２９Ａ、制御部１２９Ａ、等を備える。図１における走行状況認知部１００Ａａは、検知部１２１Ａ、車両情報入力部１２２Ａ、測位部１２３Ａ、地図情報入力部１２４Ａ、通信部１２６、等と制御部１２９とにより実現される。また、運転行動情報受信部１００Ａｂは、車載ゲートウェイ１１０Ａにより実現される。そして、自動運転制御部１００Ａｃは、制御部１２９Ａにより実現される。
検知部１２１Ａは、周辺の物体（他車両、歩行者、地上静止物、等）の存在や、周辺の物体の位置、大きさ、相対速度、等を検知するためのセンサ類で構成されている。検知部１２１Ａは、例えば、ソナー１２１ａやレーダ１２１ｂ、カメラ１２１ｃ、３次元レンジセンサ、等で具現化される。
ソナー１２１ａは、自車両の前後左右方向に向けられた各アンテナから超音波を所定領域に送信し、その反射波を受信する。そして、受信した反射波に基づき、自車両の前後左右方向に存在する物体について、自車両との位置関係、距離等を出力する。レーダ１２１ｂは、自車両の前後左右方向に向けられたアンテナからレーザ光又はミリ波を照射して所定の検知領域を走査し、その反射波を受信する。そして、受信した反射波に基づき、車両の前後左右方向に存在する物体について、自車両との位置関係、距離、相対速度等を出力する。カメラ１２１ｃは、自車両の前後左右方向の所定位置に設けられており、自車両の前後左右方向に存在する周辺車両が写った撮像データを出力する。なお、これらのソナーやレーダ、カメラ１２１ｃ、３次元レンジセンサ、等のセンサ類は、複数のものを複合的に用いてもよいし、単独で用いてもよい。
車両情報入力部１２２Ａは、自車両の運動状況（重心位置、ヨー、ロール、ピッチ、速度、加速度、角速度、等）及び運転操作（アクセル操作、ブレーキ操作、ステアリング操作、シフト操作）に関する情報を制御部１２８に入力する。
測位部１２３Ａは、地球上における自車両の位置（緯度、経度）を測位し、制御部１２８Ａに入力する。測位部１２３Ａは、例えば、高精度ＧＰＳ（Global Positioning System）に対応した高精度測位受信機等で具現化される。
地図情報入力部１２４Ａは、道路地図情報を記憶する記憶媒体から、自車両が現在走行している道路に関する情報を取得し、制御部１２８Ａに入力する。地図情報入力部１２８Ａによって入力される道路の情報の例として、車線数、車線幅、曲り、勾配、合流、規制等の情報等を挙げることができる。
操作部１２５Ａは、表示部１２７Ａにおける各種表示の切り換え等の操作指示を入力するための入力装置である。
通信部１２６Ａは、地上静止物に設けられた通信機や、周辺車両に搭載された通信機との間で、通信を行うための通信装置である。地上静止物には、車庫や道路が含まれる。
表示部１２７Ａは、インストルメントパネル中央部に設けられるセンタディスプレイ、及び、メータパネル内に設けられるインジケータで構成される表示装置である。表示部１２７Ａには、自車両の状態を示す情報が表示される。
記憶部１２８Ａは、自車両の認識関連情報、自車両の運転行動情報及び他車両の運転行動情報を記憶する記憶装置である。
制御部１２９Ａは、図示しないＣＰＵ、ＲＯＭ、ＲＡＭ等を中心に構成される情報処理装置であり、走行制御システム１２０Ａの各部を統括制御する。制御部１２９Ａは、ＲＯＭに記憶されている制御プログラムをＣＰＵが実行することにより、各種処理を実行する。
制御部１２９Ａは、測位部１２３Ａから入力された自車両の位置（緯度、経度）と地図情報入力部１２４Ａから入力された道路地図情報とに基づいて、電柱や信号器などの道路構造物の情報を含む詳細道路データを算出するとともに、検知部１２１Ａの３次元レンジセンサにより周囲の物体の３次元距離を検出する。そして、３次元距離データと道路地図とをリアルタイムで合成し、３次元レンジセンサにより検出された物体が、道路構造物なのか、道路上の物体（車両、歩行者、等）なのかを正確に識別する。
自車両の位置の高精度把握は、モンテカルロ・ローカリゼーションといった既知の手法により実現され、ＧＰＳの位置情報は二次的情報として利用される。周辺物体との相対状況は、カルマンフィルタといった既知の手法により実現される。
制御部１２９Ａは、自車両の認識関連情報を記憶部１９Ａに蓄積する。認識関連情報には、周辺物体などの認識結果とその認識処理に使用された各種データとが含まれる。
制御部１２９Ａは、検知部１２１Ａ、車両情報入力部１２２Ａ、測位部１２３Ａ、及び、地図情報入力部１２４Ａから入力された各種情報に基づく自車両の運転行動情報を記憶部１９Ａに蓄積する。自車両の運転行動情報には、検知部１２１Ａ、車両情報入力部１２２Ａ、測位部１２３Ａ、及び、地図情報入力部１２４Ａにより得られた経路上位置－運転操作対応情報（経路上位置－運転操作対応テーブルなど）、入出車経路位置－運転操作対応情報（入出車経路位置－運転操作対応テーブルなど）が含まれる。
制御部１２９Ａは、車載ゲートウェイ１１０Ａを介してコンピューティングシステム２００と通信する。
制御部１２９Ａは、車載ゲートウェイ１１０を介して受信した非ロボットカー１００Ｂの運転行動情報を、記憶部１２８Ａに蓄積する。非ロボットカー１００Ｂの運転行動情報には、非ロボットカー１００Ｂの検知部１２１Ｂ、車両情報入力部１２２Ｂ、測位部１２３Ｂ、及び、地図情報入力部１２４Ｂにより得られた経路上位置－運転操作対応情報（経路上位置－運転操作対応テーブルなど）、入出車経路位置－運転操作対応情報（入出車経路位置－運転操作対応テーブルなど）が含まれる。
制御部１２９Ａは、通信部１２６Ａを介して周辺の地上静止物や周辺の車両と通信する。
制御部１２９Ａは、通信部１２６Ａを介して受信した非ロボットカー１００Ｂの運転行動情報を、記憶部１２８Ａに蓄積する。
制御部１２９Ａには、運転制御の対象となる車両制御部１３０Ａが接続されている。
車両制御部１３０Ａは、エンジンＥＣＵ（Electronic Control Unit）１３０ａ、ブレーキＥＣＵ１３０ｂ、舵角ＥＣＵ１３０ｃ、スタビリティＥＣＵ１３０ｄ、等の各種電子制御装置からなる。エンジンＥＣＵ１３０ａは、アクセルペダルの操作量やエンジンの状態に応じた制御指令を出して、エンジンの出力を制御する。ブレーキＥＣＵ１３０ｂは、ブレーキペダルの操作量に応じてブレーキの制動力を制御する。舵角ＥＣＵ１３０ｃは、ステアリングの舵角を制御する。スタビリティＥＣＵ１３０ｄは、車両の走行安定性を制御する。
制御部１２９Ａは、運転操作量（アクセル操作量、ブレーキ操作量、ステアリング操作量、等）に応じて、車両制御部１３０Ａ内の各ＥＣＵに指令を与えることで、車両の走行を制御する。
制御部１２９Ａは、検知部１２１Ａなどにより検知された時々刻々と変化する自車両の走行状況をリアルタイムで解析しつつ、当該解析結果と自車両の運転行動情報及び／又は非ロボットカー１００Ｂの運転行動情報とに基づいて運転操作量を決定し、車両制御部１３０内の各ＥＣＵに指令を与える。
制御部１２９Ａは、車載ゲートウェイ１１０Ａや通信部１２６Ａにより受信した運転行動情報に基づいて非ロボットカー１００Ｂの運転行動を学習する学習処理を行う。
上記の例では、車載ゲートウェイ１１０Ａと走行制御システム１２０Ａとが各々別個に存在しているが、車載ゲートウェイ１１０Ａは走行制御システム１２０Ａと統合できる。 As shown in FIG. 25, the robot car 100A includes an in-vehicle gateway 110A and a driving control system 120A.
The in-vehicle gateway 110A communicates with the computing system 200 under the control of the driving control system 120A. The in-vehicle gateway 110A inputs data received from the computing system 200 to the driving control system 120A. The in-vehicle gateway 110A transmits data input from the driving control system 120A to the computing system 200.
The driving control system 120A includes a detection unit 121A, a vehicle information input unit 122A, a positioning unit 123A, a map information input unit 124A, an operation unit 125A, a communication unit 126A, a display unit 127A, a storage unit 129A, a control unit 129A, etc. The driving situation recognition unit 100Aa in Fig. 1 is realized by the detection unit 121A, the vehicle information input unit 122A, the positioning unit 123A, the map information input unit 124A, the communication unit 126A, etc., and the control unit 129. The driving behavior information receiving unit 100Ab is realized by the in-vehicle gateway 110A. The autonomous driving control unit 100Ac is realized by the control unit 129A.
The detection unit 121A is configured with sensors for detecting the presence of surrounding objects (other vehicles, pedestrians, stationary objects on the ground, etc.), as well as the positions, sizes, relative speeds, etc. The detection unit 121A is embodied, for example, by a sonar 121a, a radar 121b, a camera 121c, a three-dimensional range sensor, etc.
The sonar 121a transmits ultrasonic waves to a predetermined area from antennas facing the front, rear, left, and right directions of the vehicle and receives the reflected waves. Based on the received reflected waves, it outputs the positional relationship, distance, etc. of objects present in the front, rear, left, and right directions of the vehicle. The radar 121b scans a predetermined detection area by emitting laser light or millimeter waves from antennas facing the front, rear, left, and right directions of the vehicle and receives the reflected waves. Based on the received reflected waves, it outputs the positional relationship, distance, relative speed, etc. of objects present in the front, rear, left, and right directions of the vehicle. The camera 121c is installed at a predetermined position in the front, rear, left, and right directions of the vehicle and outputs image data showing surrounding vehicles present in the front, rear, left, and right directions of the vehicle. Note that these sensors, such as the sonar, radar, camera 121c, and 3D range sensor, may be used in combination or individually.
The vehicle information input unit 122A inputs information regarding the vehicle's motion status (center of gravity position, yaw, roll, pitch, speed, acceleration, angular velocity, etc.) and driving operations (accelerator operation, brake operation, steering operation, shift operation) to the control unit 128.
The positioning unit 123A measures the position (latitude, longitude) of the vehicle on the Earth and inputs the position (latitude, longitude) to the control unit 128A. The positioning unit 123A is embodied, for example, by a high-precision positioning receiver compatible with a high-precision GPS (Global Positioning System).
The map information input unit 124A acquires information about the road on which the vehicle is currently traveling from a storage medium that stores road map information, and inputs the information to the control unit 128A. Examples of the road information input by the map information input unit 128A include information such as the number of lanes, lane width, curves, gradients, merging, and regulations.
The operation unit 125A is an input device for inputting operation instructions such as switching various displays on the display unit 127A.
The communication unit 126A is a communication device for communicating with communication devices provided on stationary objects on the ground and communication devices mounted on surrounding vehicles. Stationary objects on the ground include garages and roads.
The display unit 127A is a display device that includes a center display provided in the center of the instrument panel and an indicator provided in the meter panel. Information indicating the state of the host vehicle is displayed on the display unit 127A.
The storage unit 128A is a storage device that stores the recognition-related information of the own vehicle, the driving behavior information of the own vehicle, and the driving behavior information of other vehicles.
The control unit 129A is an information processing device mainly composed of a CPU, ROM, RAM, etc. (not shown), and controls each part of the driving control system 120A. The control unit 129A performs various processes by the CPU executing a control program stored in the ROM.
The control unit 129A calculates detailed road data including information on road structures such as utility poles and traffic signals based on the vehicle's position (latitude and longitude) input from the positioning unit 123A and the road map information input from the map information input unit 124A, and detects the three-dimensional distances of surrounding objects using the three-dimensional range sensor of the detection unit 121A.The control unit 129A then combines the three-dimensional distance data with the road map in real time to accurately identify whether the object detected by the three-dimensional range sensor is a road structure or an object on the road (a vehicle, a pedestrian, etc.).
The vehicle's position is determined with high accuracy using a known method such as Monte Carlo localization, with GPS position information used as secondary information. The relative situation with surrounding objects is determined using a known method such as a Kalman filter.
The control unit 129A stores the recognition-related information of the vehicle in the storage unit 19A. The recognition-related information includes the recognition results of surrounding objects and the like and various data used in the recognition process.
The control unit 129A accumulates in the storage unit 19A driving behavior information of the vehicle based on various information input from the detection unit 121A, the vehicle information input unit 122A, the positioning unit 123A, and the map information input unit 124A. The driving behavior information of the vehicle includes on-route position-driving operation correspondence information (on-route position-driving operation correspondence table, etc.) and entrance/exit route position-driving operation correspondence information (entrance/exit route position-driving operation correspondence table, etc.) obtained by the detection unit 121A, the vehicle information input unit 122A, the positioning unit 123A, and the map information input unit 124A.
The control unit 129A communicates with the computing system 200 via the vehicle gateway 110A.
The control unit 129A stores in the storage unit 128A the driving behavior information of the non-robotic car 100B received via the in-vehicle gateway 110. The driving behavior information of the non-robotic car 100B includes route position-driving operation correspondence information (route position-driving operation correspondence table, etc.) and entry/exit route position-driving operation correspondence information (entrance/exit route position-driving operation correspondence table, etc.) obtained by the detection unit 121B, vehicle information input unit 122B, positioning unit 123B, and map information input unit 124B of the non-robotic car 100B.
The control unit 129A communicates with surrounding ground stationary objects and surrounding vehicles via the communication unit 126A.
The control unit 129A stores the driving behavior information of the non-robot car 100B received via the communication unit 126A in the storage unit 128A.
The control unit 129A is connected to a vehicle control unit 130A that is the target of driving control.
The vehicle control unit 130A is composed of various electronic control devices, such as an engine ECU (Electronic Control Unit) 130a, a brake ECU 130b, a steering angle ECU 130c, and a stability ECU 130d. The engine ECU 130a issues control commands according to the accelerator pedal operation amount and the engine state to control the engine output. The brake ECU 130b controls the braking force of the brakes according to the brake pedal operation amount. The steering angle ECU 130c controls the steering angle. The stability ECU 130d controls the driving stability of the vehicle.
The control unit 129A controls the running of the vehicle by issuing commands to each ECU in the vehicle control unit 130A in accordance with the amount of driving operation (amount of accelerator operation, amount of brake operation, amount of steering operation, etc.).
The control unit 129A analyzes in real time the ever-changing driving conditions of the vehicle detected by the detection unit 121A, etc., and determines the amount of driving operation based on the analysis results and the driving behavior information of the vehicle and/or the driving behavior information of the non-robot car 100B, and issues commands to each ECU in the vehicle control unit 130.
The control unit 129A performs a learning process to learn the driving behavior of the non-robot car 100B based on the driving behavior information received by the in-vehicle gateway 110A and the communication unit 126A.
In the above example, the vehicle gateway 110A and the cruise control system 120A exist separately, but the vehicle gateway 110A can be integrated with the cruise control system 120A.

上記のように構成されたロボットカー１００Ａは、自車両の走行状況と自車両の運転行動情報又は非ロボットカー１００Ｂの運転行動情報とに基づいて自動運転制御を行いつつ、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動を学習する。 The robot car 100A configured as described above performs automatic driving control based on the driving conditions of its own vehicle and driving behavior information of its own vehicle or driving behavior information of the non-robot car 100B, while learning the driving behavior of the human driver driving the non-robot car 100B.

図２６に示されるように、非ロボットカー１００Ｂは、車載ゲートウェイ１１０Ｂと走行制御システム１２０Ｂとを有する。
車載ゲートウェイ１１０Ｂは、走行制御システム１２０Ｂの制御下で、コンピューティングシステム２００と通信する。車載ゲートウェイ１１０Ｂは、コンピューティングシステム２００から受信したデータを走行制御システム１２０Ｂに入力する。車載ゲートウェイ１１０Ｂは、走行制御システム１２０Ｂから入力されたデータをコンピューティングシステム２００に送信する。
走行制御システム１２０Ｂは、検知部１２１Ｂ、車両情報入力部１２２Ｂ、測位部１２３Ｂ、地図情報入力部１２４Ｂ、操作部１２５Ｂ、通信部１２６Ｂ、表示部１２７Ｂ、記憶部１２９Ｂ、制御部１２９Ｂ、等を備える。図２４における走行状況認知部１００Ｂａは、検知部１２１Ｂ、車両情報入力部１２２Ｂ、測位部１２３Ｂ、地図情報入力部１２４Ｂ、操作部１２５Ｂ、通信部１２６Ｂ、等と制御部１２９Ｂとにより実現される。運転操作検出部１００Ｂｂは、車両情報入力部１２２Ｂの運転操作検出機能により実現される。また、運転行動情報送信部１００Ｂｃは、車載ゲートウェイ１１０Ｂにより実現される。
検知部１２１Ｂ、車両情報入力部１２２Ｂ、測位部１２３Ｂ、地図情報入力部１２４Ｂ、通信部１２６Ｂ及び車両制御部１３０Ｂの構成及び機能は、ロボットカー１００Ａの検知部１２１Ａ、車両情報入力部１２２Ａ、測位部１２３Ａ、地図情報入力部１２４Ａ、通信部１２６Ａ及び車両制御部１３０Ａの構成及び機能と同様である。
操作部１２５Ｂは、走行制御のオン・オフや制御モードの切り換え、表示部１２７Ｂにおける各種表示の切り換え等の操作指示を入力するための入力装置である。操作部１２５Ｂは、例えば、車両のステアリングホイールのスポーク部分に設けられるスイッチ等により具現化される。
表示部１２７Ｂは、インストルメントパネル中央部に設けられるセンタディスプレイ、及び、メータパネル内に設けられるインジケータで構成される表示装置である。表示部１２７Ｂには、自車両の状態を示す情報が表示されるとともに、走行制御のオン・オフや制御モードが表示される。制御モードには、手動運転モードと、運転支援モードとがある。
記憶部１２８Ｂは、自車両の運転行動情報及び認識関連情報を記憶する記憶装置である。
制御部１２９Ｂは、図示しないＣＰＵ、ＲＯＭ、ＲＡＭ等を中心に構成される情報処理装置であり、走行制御システム１２０Ｂの各部を統括制御する。制御部１２９Ｂは、ＲＯＭに記憶されている制御プログラムをＣＰＵが実行することにより、各種処理を実行する。
制御部１２９Ｂは、測位部１２３Ｂから入力された自車両の位置（緯度、経度）と地図情報入力部１２４Ｂから入力された道路地図情報とに基づいて、電柱や信号器などの道路構造物の情報を含む詳細道路データを算出するとともに、検知部１２１Ｂの３次元レンジセンサにより周囲の物体の３次元距離を検出する。そして、３次元距離データと道路地図とをリアルタイムで合成し、３次元レンジセンサにより検出された物体が、道路構造物なのか、道路上の物体（車両、歩行者、等）なのかを正確に識別する。
制御部１２９Ｂは、検知部１２１Ｂ、車両情報入力部１２２Ｂ、測位部１２３Ｂ及び地図情報入力部１２４Ｂから入力された各種情報に基づく自車両の運転行動情報を記憶部１９Ｂに蓄積する。自車両の運転行動情報には、検知部１２１Ｂ、車両情報入力部１２２Ｂ、測位部１２３Ｂ及び地図情報入力部１２４Ｂにより得られた経路上位置－運転操作対応情報（経路上位置－運転操作対応テーブルなど）、入出車経路位置－運転操作対応情報（入出車経路位置－運転操作対応テーブルなど）が含まれる。
制御部１２９Ｂには、運転制御の対象となる車両制御部１３０Ｂが接続されている。
制御部１２９Ｂは、運転操作量（アクセル操作量、ブレーキ操作量、ステアリング操作量、等）に応じて、車両制御部１３０Ｂ内の各ＥＣＵに指令を与えることで、車両の走行を制御する。
制御部１２９Ｂは、手動運転モードにおいては、時々刻々と変化する自車両の走行状況をリアルタイムで解析しつつ、当該解析結果と自車両の運転行動情報に基づいて、自車両を運転するヒューマンドライバの運転行動を学習する学習処理を行う。
制御部１２９Ｂは、運転支援モードにおいては、時々刻々と変化する自車両の走行状況をリアルタイムで解析しつつ、当該解析結果と自車両の運転行動情報に基づいて運転支援情報を生成し、当該運転支援情報を、表示部１２７Ａなどを使用してドライバに報知する。制御部１２９Ｂは、運転支援モードにおいても、自車両を運転するヒューマンドライバの運転行動を学習する学習処理を行う。
制御部１２９Ｂは、自車両の運転行動情報を記憶部１２８Ｂに記憶させる。記憶部１２８Ｂには、自車両を運転するヒューマンドライバの運転行動の学習結果が反映された運転行動情報が記憶される。
制御部１２９Ｂは、車載ゲートウェイ１１０Ｂを介してコンピューティングシステム２００と通信する。
制御部１２９Ｂは、記憶部１２８Ｂに蓄積された自車両の運転行動情報を、車載ゲートウェイ１１０Ｂを介してコンピューティングシステム２００に送信する。
制御部１２９Ｂは、通信部１２６Ｂを介して周辺の地上静止物や周辺の車両と通信する。
制御部１２９Ｂは、記憶部１２８Ｂに蓄積された自車両の運転行動情報を、通信部１２６Ｂを介して地上静止物や周辺の車両に送信する。 As shown in FIG. 26, a non-robotic car 100B has an in-vehicle gateway 110B and a driving control system 120B.
The in-vehicle gateway 110B communicates with the computing system 200 under the control of the driving control system 120B. The in-vehicle gateway 110B inputs data received from the computing system 200 to the driving control system 120B. The in-vehicle gateway 110B transmits data input from the driving control system 120B to the computing system 200.
The driving control system 120B includes a detection unit 121B, a vehicle information input unit 122B, a positioning unit 123B, a map information input unit 124B, an operation unit 125B, a communication unit 126B, a display unit 127B, a memory unit 129B, a control unit 129B, etc. The driving situation recognition unit 100Ba in FIG. 24 is realized by the detection unit 121B, the vehicle information input unit 122B, the positioning unit 123B, the map information input unit 124B, the operation unit 125B, the communication unit 126B, etc., and the control unit 129B. The driving operation detection unit 100Bb is realized by the driving operation detection function of the vehicle information input unit 122B. The driving behavior information transmission unit 100Bc is realized by the in-vehicle gateway 110B.
The configurations and functions of the detection unit 121B, the vehicle information input unit 122B, the positioning unit 123B, the map information input unit 124B, the communication unit 126B, and the vehicle control unit 130B are the same as the configurations and functions of the detection unit 121A, the vehicle information input unit 122A, the positioning unit 123A, the map information input unit 124A, the communication unit 126A, and the vehicle control unit 130A of the robot car 100A.
The operation unit 125B is an input device for inputting operation instructions such as turning on/off the driving control, switching the control mode, and switching various displays on the display unit 127B. The operation unit 125B is embodied, for example, by a switch or the like provided on the spoke of the steering wheel of the vehicle.
The display unit 127B is a display device that includes a center display provided in the center of the instrument panel and an indicator provided in the meter panel. The display unit 127B displays information indicating the state of the vehicle, as well as the on/off status of the driving control and the control mode. The control modes include a manual driving mode and a driving assistance mode.
The storage unit 128B is a storage device that stores driving behavior information and recognition-related information of the vehicle.
The control unit 129B is an information processing device mainly composed of a CPU, ROM, RAM, etc. (not shown), and controls each part of the driving control system 120B. The control unit 129B performs various processes by the CPU executing a control program stored in the ROM.
The control unit 129B calculates detailed road data including information on road structures such as utility poles and traffic signals based on the vehicle position (latitude and longitude) input from the positioning unit 123B and the road map information input from the map information input unit 124B, and detects the three-dimensional distances of surrounding objects using the three-dimensional range sensor of the detection unit 121B. The control unit 129B then combines the three-dimensional distance data with the road map in real time to accurately identify whether the object detected by the three-dimensional range sensor is a road structure or an object on the road (a vehicle, a pedestrian, etc.).
The control unit 129B accumulates in the storage unit 19B driving behavior information of the vehicle based on various information input from the detection unit 121B, the vehicle information input unit 122B, the positioning unit 123B, and the map information input unit 124B. The driving behavior information of the vehicle includes on-route position-driving operation correspondence information (on-route position-driving operation correspondence table, etc.) and entrance/exit route position-driving operation correspondence information (entrance/exit route position-driving operation correspondence table, etc.) obtained by the detection unit 121B, the vehicle information input unit 122B, the positioning unit 123B, and the map information input unit 124B.
The control unit 129B is connected to a vehicle control unit 130B that is the target of driving control.
The control unit 129B controls the running of the vehicle by issuing commands to each ECU in the vehicle control unit 130B in accordance with the amount of driving operation (amount of accelerator operation, amount of brake operation, amount of steering operation, etc.).
In manual driving mode, the control unit 129B analyzes the vehicle's driving conditions, which change from moment to moment, in real time, and performs a learning process to learn the driving behavior of the human driver operating the vehicle based on the analysis results and the vehicle's driving behavior information.
In the driving assistance mode, the control unit 129B analyzes the driving conditions of the vehicle, which change from moment to moment, in real time, generates driving assistance information based on the analysis results and driving behavior information of the vehicle, and notifies the driver of the driving assistance information using the display unit 127A, etc. Even in the driving assistance mode, the control unit 129B performs a learning process to learn the driving behavior of the human driver who drives the vehicle.
The control unit 129B stores driving behavior information of the host vehicle in the storage unit 128B. The storage unit 128B stores driving behavior information that reflects the learning results of the driving behavior of the human driver who drives the host vehicle.
The control unit 129B communicates with the computing system 200 via the vehicle gateway 110B.
The control unit 129B transmits the driving behavior information of the vehicle stored in the storage unit 128B to the computing system 200 via the in-vehicle gateway 110B.
The control unit 129B communicates with surrounding ground stationary objects and surrounding vehicles via the communication unit 126B.
The control unit 129B transmits the driving behavior information of the vehicle stored in the storage unit 128B to stationary objects on the ground and surrounding vehicles via the communication unit 126B.

上記のように構成された非ロボットカー１００Ｂは、自車両のヒューマンドライバによる運転操作に応じた運転制御を行いつつ、自車両を運転するヒューマンドライバの運転行動の学習処理、自車両の運転行動情報の送信処理、等、各種処理を行う。 The non-robot car 100B configured as described above performs various processes, such as learning the driving behavior of the human driver driving the vehicle and transmitting information about the driving behavior of the vehicle, while controlling driving in accordance with the driving operations of the human driver of the vehicle.

図２７は図２４のロボットカー教習システムの動作内容を例示するフロー図である。このフロー図は、図２４のロボットカー教習システムにより実現されるロボットカー教習方法の内容を例示するフロー図でもある。
このロボットカー教習システム１及び方法では、ロボットカー１００Ａと非ロボットカー１００Ｂとを同じ経路Ｒ（図２９参照）を走行させて、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させることによりロボットカー１００Ａの運転教習が行なわれる。ロボットカー１００Ａと非ロボットカー１００Ｂとが同じ経路Ｒを走行する態様には、非ロボットカー１００Ｂがロボットカー１００Ａに先行して走行する態様（図２９（Ａ））と、ロボットカー１００Ａが非ロボットカー１００Ｂに先行して走行する態様（図２９（Ｂ））とがある。いずれの態様においても、以下の動作がなされる。 Fig. 27 is a flow chart illustrating the operation of the robot car training system of Fig. 24. This flow chart also illustrates the robot car training method realized by the robot car training system of Fig. 24.
In this robot car training system 1 and method, the robot car 100A and the non-robot car 100B are driven along the same route R (see FIG. 29) and the robot car 100A learns the driving behavior of the human driver who drives the non-robot car 100B, thereby providing driving training for the robot car 100A. The robot car 100A and the non-robot car 100B can travel along the same route R in two ways: one in which the non-robot car 100B travels ahead of the robot car 100A (FIG. 29(A)), and the other in which the robot car 100A travels ahead of the non-robot car 100B (FIG. 29(B)). In either way, the following operations are performed.

非ロボットカー１００Ｂは、ロボットカー１００Ａと同じ経路Ｒを走行する（Ｓ１：非ロボットカー走行ステップ）。
非ロボットカー１００Ｂは、経路Ｒを走行中に、自車両の走行状況を認知する（Ｓ２：非ロボットカー走行状況認知ステップ）。
非ロボットカー１００Ｂは、経路Ｒを走行中に、自車両のヒューマンドライバによる運転操作を検出する（Ｓ３：運転操作検出ステップ）。
非ロボットカー１００Ｂは、自車両の走行状況と運転操作とを対応付けた運転行動情報をサーバ２１０に送信する（Ｓ４：運転行動情報送信ステップ、運転行動情報出力ステップ）。
非ロボットカー１００Ｂは、自車両が走行中であるか否か判別し（Ｓ５）、走行中であれば（Ｓ５でＹｅｓ）、ステップＳ２、Ｓ３、Ｓ４を繰り返し実行する。 The non-robot car 100B travels along the same route R as the robot car 100A (S1: non-robot car travel step).
The non-robot car 100B recognizes its own traveling situation while traveling along the route R (S2: non-robot car traveling situation recognition step).
While traveling along the route R, the non-robot car 100B detects driving operations by the human driver of the vehicle (S3: driving operation detection step).
The non-robot car 100B transmits driving behavior information that associates the driving situation of the vehicle with the driving operation to the server 210 (S4: driving behavior information transmitting step, driving behavior information output step).
The non-robot car 100B determines whether or not its own vehicle is traveling (S5), and if it is traveling (Yes in S5), it repeatedly executes steps S2, S3, and S4.

コンピューティングシステム２００は、非ロボットカー１００Ｂから運転行動情報を受信する（Ｓ１１：運転行動情報受信ステップ）。
コンピューティングシステム２００は、非ロボットカー１００Ｂから受信した運転行動情報をロボットカー１００Ａに送信する（Ｓ１２：運転行動情報送信ステップ）。 The computing system 200 receives driving behavior information from the non-robotic car 100B (S11: driving behavior information receiving step).
The computing system 200 transmits the driving behavior information received from the non-robotic car 100B to the robotic car 100A (S12: driving behavior information transmission step).

ロボットカー１００Ａは、非ロボットカー１００Ｂと同じ経路Ｒを走行する（Ｓ２１：ロボットカー走行ステップ）。
ロボットカー１００Ａは、経路Ｒを走行中に、自車両の走行状況を認知する（Ｓ２２：ロボットカー走行状況認知ステップ）。
ロボットカー１００Ａは、自車両の走行状況に基づいて実行すべき運転操作を決定する（Ｓ２３：運転操作決定ステップ）。
ロボットカー１００Ａは、決定した運転操作が実行されるように自動運転制御を行う（Ｓ２４：自動運転制御ステップ）。
ロボットカー１００Ａは、非ロボットカー１００Ｂの運転行動情報をサーバ２１０から受信する（Ｓ２５：運転行動情報受信ステップ、運転行動情報取得ステップ）。
ロボットカー１００Ａは、サーバ２１０から受信した運転行動情報に基づいて非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動を学習する（Ｓ２６：学習ステップ）。 The robot car 100A travels along the same route R as the non-robot car 100B (S21: robot car travel step).
The robot car 100A recognizes its own traveling situation while traveling along the route R (S22: robot car traveling situation recognition step).
The robot car 100A determines the driving operation to be performed based on the driving situation of the vehicle (S23: driving operation determination step).
The robot car 100A performs automatic driving control so that the determined driving operation is executed (S24: automatic driving control step).
The robot car 100A receives the driving behavior information of the non-robot car 100B from the server 210 (S25: driving behavior information receiving step, driving behavior information acquiring step).
The robot car 100A learns the driving behavior of the human driver who drives the non-robot car 100B based on the driving behavior information received from the server 210 (S26: learning step).

図２８は図２７の学習ステップＳ２６の内容を例示するフロー図である。
学習ステップＳ２６において、ロボットカー１００Ａは、まず、自動運転制御（Ｓ２４）によりなされた自車両の運転行動情報を生成する（Ｓ２６ａ１：運転行動情報生成ステップ）。
そして、運転行動情報受信ステップＳ２５で受信した非ロボットカー１００Ｂの運転行動情報（学習データセット）と自車両の運転行動情報との違いから、非ロボットカー１００Ｂの運転行動情報に含まれる個々の走行状況において、非ロボットカーと同じ運転操作（正解の操作）が自車両においてなされるように学習処理を行う（Ｓ２６ａ２：教師あり学習ステップ）。 FIG. 28 is a flow chart illustrating the contents of the learning step S26 in FIG.
In the learning step S26, the robot car 100A first generates driving behavior information of its own vehicle performed by the automatic driving control (S24) (S26a1: driving behavior information generation step).
Then, based on the differences between the driving behavior information (learning data set) of the non-robot car 100B received in the driving behavior information receiving step S25 and the driving behavior information of the own vehicle, a learning process is performed so that the same driving operation (correct operation) as that of the non-robot car is performed in the own vehicle in each driving situation included in the driving behavior information of the non-robot car 100B (S26a2: supervised learning step).

このロボットカー教習システム１及び方法によれば、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させて、ロボットカー１００Ａの自動運転性能を向上させることができる。ロボットカー１００Ａの自動運転性能が向上するにつれて、ロボットカー１００Ａの安全性・信頼性が向上し、ひいてはロボットカー１００Ａと非ロボットカー１００Ｂとが共存する道路交通システム全体の安全性・信頼性が向上する。 This robot car training system 1 and method allows the robot car 100A to learn the driving behavior of a human driver who drives a non-robot car 100B, thereby improving the autonomous driving performance of the robot car 100A. As the autonomous driving performance of the robot car 100A improves, the safety and reliability of the robot car 100A improves, which in turn improves the safety and reliability of the entire road traffic system in which the robot car 100A and non-robot cars 100B coexist.

このロボットカー教習システム１及び方法は、非ロボットカー１００Ｂがロボットカー１００Ａに先行して走行する態様（図２９（Ａ））、又は、ロボットカー１００Ａが非ロボットカー１００Ｂに先行して走行する態様（図２９（Ｂ））で、ロボットカー１００Ａの運転教習を実施することができる。
図２９（Ａ）の態様での運転教習によれば、同じ経路Ｒを先に走行した非ロボットカー１００Ｂの運転行動情報に基づいて、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させることができる。すなわち、ロボットカー１００Ａに新たな状況を経験させつつ、当該状況を既に経験した非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させることができる。ロボットカー１００Ａが受け取る非ロボットカー１００Ｂの運転行動情報は、非ロボットカー１００Ｂによるヒューマンドライバの運転行動の学習結果が反映された運転行動情報である。したがって、ロボットカー１００Ａが非ロボットカー１００Ｂの運転行動情報に基づいて学習を行うことにより、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動を効率良く学習することができる。
図２９（Ｂ）の態様での運転教習によれば、同じ経路を後に走行した非ロボットカー１００Ｂの運転行動情報に基づいて、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させることができる。すなわち、ロボットカー１００Ａに新たな状況を経験させた後で、当該状況を経験した非ロボットカー１００Ｂのヒューマンドライバの運転行動をロボットカーに学習（強化学習：事後情報に基づく学習）させることができる。この態様においても、ロボットカー１００Ａは、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動を効率良く学習することができる。 This robot car training system 1 and method can conduct driving lessons for the robot car 100A in a manner in which the non-robot car 100B travels ahead of the robot car 100A (Figure 29(A)), or in a manner in which the robot car 100A travels ahead of the non-robot car 100B (Figure 29(B)).
According to the driving training mode shown in FIG. 29(A), the robot car 100A can learn the driving behavior of the human driver of the non-robot car 100B based on the driving behavior information of the non-robot car 100B that previously traveled the same route R. That is, the robot car 100A can be made to experience a new situation while learning the driving behavior of the human driver of the non-robot car 100B that has already experienced that situation. The driving behavior information of the non-robot car 100B received by the robot car 100A reflects the results of learning the driving behavior of the human driver by the non-robot car 100B. Therefore, by learning based on the driving behavior information of the non-robot car 100B, the robot car 100A can efficiently learn the driving behavior of the human driver of the non-robot car 100B.
29(B), the robot car 100A can learn the driving behavior of the human driver of the non-robot car 100B based on the driving behavior information of the non-robot car 100B that traveled the same route later. That is, after the robot car 100A experiences a new situation, the robot car can learn the driving behavior of the human driver of the non-robot car 100B who experienced that situation (reinforcement learning: learning based on ex-post information). In this mode, the robot car 100A can also efficiently learn the driving behavior of the human driver of the non-robot car 100B.

また、図２９（Ａ）の態様によれば、ロボットカー１００Ａは、同じ経路Ｒを先に走行した非ロボットカー１００Ｂの運転行動情報に基づいて自動運転制御を行うことにより、非ロボットカー１００Ｂと同等レベルの高い運転性能で経路Ｒを走行することができる。
たとえば、経路Ｒが、幅の狭い曲がりくねった道路や、電柱などの障害物が多く存在する幅の狭い道路である場合、運転に不慣れなドライバやカーシェアリングサービスなどで運転の度に異なる車両に搭乗するドライバにとっては、経路Ｒをスムーズに走行することは簡単ではない。この種の道路をスムーズに走行することはロボットカー１００Ａも苦手である。
しかし、非ロボットカー１００Ｂが経路Ｒを日常スムーズに走行する車両であるならば、非ロボットカー１００Ｂの運転行動情報を参照してロボットカー１００Ａが自動運転制御を行うことにより、ロボットカー１００Ａは非ロボットカー１００Ｂと同等レベルの運転性能で経路Ｒをスムーズに走行することが可能となる。 Furthermore, according to the aspect of Figure 29 (A), the robot car 100A can travel along the route R with the same high level of driving performance as the non-robot car 100B by performing automatic driving control based on the driving behavior information of the non-robot car 100B that has previously traveled along the same route R.
For example, if route R is a narrow, winding road or a narrow road with many obstacles such as utility poles, it is not easy for a driver who is inexperienced in driving or a driver who drives a different vehicle each time, such as in a car sharing service, to smoothly travel along route R. The robot car 100A also has difficulty traveling smoothly on this type of road.
However, if the non-robot car 100B is a vehicle that normally drives smoothly along route R, the robot car 100A can perform automatic driving control by referring to the driving behavior information of the non-robot car 100B, allowing the robot car 100A to drive smoothly along route R with driving performance at the same level as the non-robot car 100B.

再び図４乃至図６を参照して説明する。
ロボットカー１００Ａの教習は、最も好ましくは、ロボットカー１００Ａと非ロボットカー１００Ｂとが全く同一の経路Ｒを全く同一の走行状況で走行することにより行われる。全く同一の走行状況を実現するために、ロボットカー教習のための偽物の街が使用される。この偽物の街には、幅の狭い曲がりくねった道路、電柱などの障害物が多く存在する幅の狭い道路、でこぼこ道、見通しの悪い交差点、市街地ハイウェイ、不慣れな人には入出車しにくい車庫、等がまるで本物の様に再現されている。この偽物の街には、他車両、歩行者、家畜、等を自在に配置できる。この偽物の街では、道路に急に歩行者（人形）を飛び出させたり、野球のボールや風船を投入したり、木の葉を降り散らしたりすることも自在になし得る。 Referring again to FIGS. 4 to 6, the description will be made.
Most preferably, training of the robot car 100A is performed by having the robot car 100A and the non-robot car 100B travel the exact same route R under the exact same driving conditions. To achieve the exact same driving conditions, a fake town is used for robot car training. This fake town is realistically reproduced with narrow, winding roads, narrow roads with many obstacles such as utility poles, uneven roads, intersections with poor visibility, urban highways, garages that are difficult for unfamiliar people to enter and exit, and so on. Other vehicles, pedestrians, livestock, and so on can be freely placed in this fake town. In this fake town, pedestrians (dolls) can suddenly jump out into the road, baseballs and balloons can be thrown in, and leaves can be scattered.

ロボットカー１００Ａは、経路Ｒ上の各地点（P1,P2,・・・,Pn）においてなされた非ロボットカー１００Ｂの運転操作と自車両の運転操作とを比較し、各地点（P1,P2,・・・,Pn）において、非ロボットカー１００Ｂにおいてなされたのと同じ運転操作（正解の操作）が自車両においてなされるように学習処理を行う。例えば、地点P3においてなされた自車両の減速操作（制動操作）の操作量ｙｙｙが非ロボットカー１００Ｂの減速操作（制動操作）の操作量ｘｘｘよりも大きい（あるいは小さい）場合、地点P3における自車両の減速操作（制動操作）の操作量ｙｙｙがｘｘｘと一致する（限りなく近くなる）ように学習処理を行う。
この学習処理は、運転行動の要素のうち特に、走行状況についての「認識」及び認識された走行状況に対する「判断・計画」についてなされる。ロボットカー１００Ａは、走行状況についての「認識」の誤りを発見する処理を行う。「認識」の誤りが発見されたならば、その誤りを修正する学習処理を行う。「認識」の誤りが発見されなければ、認識された走行状況に対する「判断・計画」の誤りを発見する処理を行う。「判断・計画」の誤りが発見されたならば、その誤りを修正する学習処理を行う。「判断・計画」の誤りが発見されなければ、別の認識対象についての「認識」の誤りを発見する処理に戻るか又はこの学習処理については終了する。
例えば、地点PP3において、非ロボットカー１００Ｂは減速操作（制動操作）を行わなかったのに対しロボットカー１００Ａは減速操作（制動操作）を行った場合、ロボットカー１００Ａは、地点PP3において認識された対象及び認識に至った過程について再確認する。この再確認は、記憶部１２８Ａに蓄積された自車両の運転行動情報及び認識情報を読み出すことにより行うことができる。その結果、例えば、自車両の前方に落下する石（こぶし大の石）が「認識」されていた場合、ロボットカー１００Ａは、走行状況認知部１００Ａａ（検知部１２１Ａ）により認知（検知）された物体を石と認識するに至った「認識」の処理内容（プログラム・パラメータ及び/又はデータ）を修正する学習処理を行う。地点PP3において非ロボットカー１００Ｂが減速操作（制動操作）を行わなかったということは、自車両の前方に落下する石のような危険度の大きい物体は存在しなかった可能性が高いからである。この例の場合、ロボットカー１００Ａは、自車両の前方に落下する木の葉など（危険度が小さい物体）を石（危険度の大きい物体）であると誤って認識した可能性が大きい。
また、例えば、地点Pn-2において、非ロボットカー１００Ｂは右転舵しつつ走行するのみで減速操作（制動操作）は行わなかったのに対し、ロボットカー１００Ａは減速操作（制動操作）を行った場合、ロボットカー１００Ａは、地点Pn-2において認識された対象及び認識に至った過程について再確認する。その結果、例えば、右折を許す表示状態から右折を許さない表示状態に切り替わった交差点の信号器、及び、自車両の間近に後方から接近する他車両が認識されていた場合、ロボットカー１００Ａは、自車両の走行状況の「認識」は正しくなされたと判断し、減速操作（制動操作）を行うに至った「判断・計画」の処理内容（プログラム・パラメータ及び/又はデータ）を修正する学習処理を行う。地点P-2において、信号器が右折を許さない表示状態に切り替わったにもかかわらず、非ロボットカー１００Ｂが減速操作（制動操作）を行わなかったということは、後方から接近する他車両による追突事故を回避するためであった可能性が高いからである。 The robot car 100A compares the driving operations of the non-robot car 100B with the driving operations of its own vehicle at each point (P1, P2, ..., Pn) on the route R, and performs a learning process so that its own vehicle performs the same driving operations (correct operations) as those performed by the non-robot car 100B at each point (P1, P2, ..., Pn). For example, if the operation amount yyy of the deceleration operation (braking operation) of the own vehicle performed at point P3 is larger (or smaller) than the operation amount xxx of the deceleration operation (braking operation) of the non-robot car 100B, the robot car 100A performs a learning process so that the operation amount yyy of the deceleration operation (braking operation) of the own vehicle at point P3 matches (comes as close as possible to) xxx.
This learning process is performed on the elements of driving behavior, particularly on "recognition" of the driving situation and "judgment and planning" for the recognized driving situation. The robot car 100A performs a process to find errors in "recognition" of the driving situation. If an error in "recognition" is found, it performs a learning process to correct the error. If no error in "recognition" is found, it performs a process to find errors in "judgment and planning" for the recognized driving situation. If an error in "judgment and planning" is found, it performs a learning process to correct the error. If no error in "judgment and planning" is found, it returns to the process of finding errors in "recognition" for another recognition target, or ends this learning process.
For example, if the non-robotic car 100B did not decelerate (brake) at point PP3, while the robotic car 100A did, the robotic car 100A would reconfirm the object recognized at point PP3 and the process that led to the recognition. This reconfirmation can be performed by reading the driving behavior information and recognition information of the host vehicle stored in the memory unit 128A. As a result, if, for example, a fist-sized stone falling in front of the host vehicle is "recognized," the robotic car 100A would perform a learning process to correct the "recognition" process (program parameters and/or data) that led the robotic car 100A to recognize the object recognized (detected) by the driving situation recognition unit 100Aa (detection unit 121A) as a stone. The fact that the non-robotic car 100B did not decelerate (brake) at point PP3 is because it is highly likely that there was no potentially dangerous object such as a falling stone in front of the host vehicle. In this example, it is highly likely that the robot car 100A mistakenly recognized a leaf or the like (a less dangerous object) falling in front of the vehicle as a stone (a more dangerous object).
For example, if the non-robotic car 100B only turns right while traveling and does not decelerate (brake), while the robotic car 100A decelerates (brakes), the robotic car 100A reconfirms the objects recognized at point Pn-2 and the process that led to the recognition. As a result, if the robotic car 100A recognizes a traffic light at an intersection that has switched from a display indicating a right turn to a display indicating a right turn not to be permitted, and if the robotic car 100A recognizes another vehicle approaching from behind, the robotic car 100A determines that the "recognition" of the traveling situation of the robotic car was correct and performs a learning process to correct the "judgment and planning" process (program parameters and/or data) that led to the deceleration (braking) operation. At point P-2, even though the traffic light switched to a state indicating that a right turn was not permitted, the fact that non-robot car 100B did not perform a deceleration operation (braking operation) is likely because it was in order to avoid a rear-end collision with another vehicle approaching from behind.

図２４の例では、非ロボットカー１００Ｂからロボットカー１００Ａへコンピューティングシステム２００を介して運転行動情報が受け渡されるが、非ロボットカー１００Ｂからロボットカー１００Ａへ運転行動情報を受け渡す方法は任意である。その他の方法の例として、ロボットカー１００Ａと非ロボットカー１００Ｂとの直接通信（車車間通信、図７参照）、地上静止物４１０を介しての受け渡し（図８参照）、道路４２０を介しての受け渡し（車路間通信、図９参照）、携帯端末５００を介しての受け渡し（図１０参照）、等を挙げることができる。24, driving behavior information is passed from non-robotic car 100B to robotic car 100A via computing system 200, but the method for passing driving behavior information from non-robotic car 100B to robotic car 100A is arbitrary. Other examples of methods include direct communication between robotic car 100A and non-robotic car 100B (vehicle-to-vehicle communication, see FIG. 7), passing via a ground stationary object 410 (see FIG. 8), passing via a road 420 (road-to-vehicle communication, see FIG. 9), passing via a mobile terminal 500 (see FIG. 10), etc.

図２２（A）は図２４のロボットカー教習システム１におけるロボットカー１００Ａの自動運転制御部Ａｃの構成例を示すブロック図でもある。
この構成例の自動運転制御部１００Ａｃは、自車両の運転操作を決定する際に参照する知識情報（判断基準等）を記憶した運転知識部１０１ａと、運転行動情報受信部１００Ａｂにより受信（取得）した運転行動情報に基づいて、運転知識部１０１ａに記憶されている知識情報を更新する学習処理を行う学習処理部（知識更新処理部）１０２ａと、を有する。 FIG. 22A is also a block diagram showing an example of the configuration of the automatic driving control unit Ac of the robot car 100A in the robot car training system 1 of FIG.
The automatic driving control unit 100Ac in this configuration example has a driving knowledge unit 101a that stores knowledge information (judgment criteria, etc.) to be referenced when determining driving operations for the vehicle, and a learning processing unit (knowledge update processing unit) 102a that performs learning processing to update the knowledge information stored in the driving knowledge unit 101a based on driving behavior information received (acquired) by the driving behavior information receiving unit 100Ab.

図３０はこの構成例における学習ステップＳ２６の内容を例示するフロー図である。
学習ステップＳ２６において、ロボットカー１００Ａは、まず、自動運転制御（Ｓ２４）によりなされた自車両の運転行動情報を生成する（Ｓ２６ｂ１：運転行動情報生成ステップ）。
運転行動情報受信ステップＳ２５で受信した非ロボットカー１００Ｂの運転行動情報を学習データセット（走行状況と当該状況においてなされた運転操作との組）として、当該運転行動情報に含まれる個々の走行状況において非ロボットカー１００Ｂと同じ運転操作（正解の操作）が自車両においてなされるように、運転知識部１０１ａに記憶された知識情報を更新する学習処理（教師あり学習による学習処理）を行う（Ｓ２６ｂ２：教師あり学習ステップ）。
この実施形態のロボットカー教習システム１及び方法によれば、非ロボットカー１００Ｂの運転行動情報を学習データセットとする教師あり学習により、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させることができる。 FIG. 30 is a flow chart illustrating the contents of learning step S26 in this configuration example.
In the learning step S26, the robot car 100A first generates driving behavior information of its own vehicle performed by the automatic driving control (S24) (S26b1: driving behavior information generation step).
The driving behavior information of the non-robot car 100B received in the driving behavior information receiving step S25 is used as a learning data set (a pair of driving conditions and driving operations performed in those conditions), and a learning process (learning process using supervised learning) is performed to update the knowledge information stored in the driving knowledge unit 101a so that the same driving operations (correct operations) as those of the non-robot car 100B are performed on the vehicle in each driving condition included in the driving behavior information (S26b2: supervised learning step).
According to the robot car training system 1 and method of this embodiment, the robot car 100A can learn the driving behavior of a human driver who drives the non-robot car 100B through supervised learning, using the driving behavior information of the non-robot car 100B as a learning data set.

図２３（Ａ）は図２４のロボットカー教習システム１におけるロボットカー１００Ａの自動運転制御部Ａｃの別の構成例を示すブロック図でもある。
この別の構成例の自動運転制御部１００Ａｃは、
走行状況認知部１００Ａａにより認知された走行状況に応じた運転行動を計算により決定する運転操作決定部１０３ａと、
運転行動情報受信部１００Ａｂにより受信（取得）した運転行動情報に基づいて、運転操作決定部１０３ａにおいて使用される運転操作決定関数のパラメタを調整する学習処理部（パラメタ調整部）１０４ａと、を有する。 FIG. 23A is also a block diagram showing another example of the configuration of the automatic driving control unit Ac of the robot car 100A in the robot car training system 1 of FIG.
The automatic driving control unit 100Ac of this other configuration example is
a driving operation determination unit 103a that determines, by calculation, a driving behavior according to the driving situation recognized by the driving situation recognition unit 100Aa;
The driving behavior information receiving unit 100Ab has a learning processing unit (parameter adjusting unit) 104a that adjusts the parameters of the driving behavior determination function used in the driving behavior determination unit 103a based on the driving behavior information received (acquired) by the driving behavior information receiving unit 100Ab.

図３１はこの別の構成例における学習ステップＳ２６の内容を例示するフロー図である。
学習ステップＳ２６において、ロボットカー１００Ａは、まず、自動運転制御（Ｓ２４）によりなされた自車両の運転行動情報を生成する（Ｓ２６ｃ１：運転行動情報生成ステップ）。
運転行動情報受信ステップＳ２５で受信した非ロボットカー１００Ｂの運転行動情報を学習データセット（走行状況と当該状況においてなされた運転操作との組）として、当該運転行動情報に含まれる個々の走行状況において非ロボットカー１００Ｂと同じ運転操作（正解の操作）が自車両においてなされるように、運転操作決定部１０３ａにおいて使用される運転操作決定関数のパラメタを調整する学習処理（教師あり学習による学習処理）を行う（Ｓ２６ｃ２：教師あり学習ステップ）。
この実施形態のロボットカー教習システム１及び方法によれば、非ロボットカー１００Ｂの運転行動情報を学習データセットとする教師あり学習により、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させることができる。 FIG. 31 is a flow chart illustrating the contents of learning step S26 in this other configuration example.
In the learning step S26, the robot car 100A first generates driving behavior information of its own vehicle performed by the automatic driving control (S24) (S26c1: driving behavior information generation step).
The driving behavior information of the non-robot car 100B received in the driving behavior information receiving step S25 is used as a learning data set (a pair of driving conditions and driving operations performed in those conditions), and a learning process (learning process by supervised learning) is performed to adjust the parameters of the driving operation determination function used in the driving operation determination unit 103a so that the same driving operation (correct operation) as that of the non-robot car 100B is performed on the vehicle in each driving condition included in the driving behavior information (S26c2: supervised learning step).
According to the robot car training system 1 and method of this embodiment, the robot car 100A can learn the driving behavior of a human driver who drives the non-robot car 100B through supervised learning, using the driving behavior information of the non-robot car 100B as a learning data set.

図３２は本発明のロボットカー教習システムの別の構成例を示す概念図である。図２４のシステムとはサーバ２１０の構成が相違する。
このロボットカー教習システム１におけるコンピューティングシステム２００のサーバ２１０は、運転行動情報受信部２１０ａにより受信した運転行動情報に基づいて、最適化された運転行動情報を生成する最適化情報生成部２１０ｃと、最適化された運転行動情報を最新の情報に更新して管理する最適化情報更新部２１０ｄと、最新の運転行動情報をロボットカー１００Ａに送信する運転行動情報送信部２１０ｂと、を有する。 32 is a conceptual diagram showing another example of the configuration of the robot car training system of the present invention, which differs from the system of FIG.
The server 210 of the computing system 200 in this robot car training system 1 has an optimization information generation unit 210c that generates optimized driving behavior information based on the driving behavior information received by the driving behavior information reception unit 210a, an optimization information update unit 210d that updates the optimized driving behavior information to the latest information and manages it, and a driving behavior information transmission unit 210b that transmits the latest driving behavior information to the robot car 100A.

図３３は図３２のロボットカー教習システムの動作内容を例示するフロー図である。このフロー図は、図３２のロボットカー教習システムにより実現されるロボットカー教習方法の内容を例示するフロー図でもある。図２７のフロー図とはコンピューティングシステム２００の動作が相違する。
コンピューティングシステム２００は、非ロボットカー１００Ｂから運転行動情報を受信する（Ｓ１１：運転行動情報受信ステップ）。
コンピューティングシステム２００は、非ロボットカー１００Ｂから受信した運転行動情報に基づいて最適化された運転行動情報を生成する（Ｓ１３：最適化情報生成ステップ）。
コンピューティングシステム２００は、最適化された運転行動情報を最新の情報に更新して管理する（Ｓ１４：最適化情報更新ステップ）。
コンピューティングシステム２００は、最適化された最新の運転行動情報をロボットカーに送信する（Ｓ１２：運転行動情報送信ステップ）。
この実施形態のロボットカー教習システム１及び方法によれば、コンピューティングシステム２００から最適化された運転行動情報を受信したロボットカー１００Ａは、当該最適化された運転行動情報に基づいて、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動を学習することができる。 Figure 33 is a flow diagram illustrating the operation of the robot car training system of Figure 32. This flow diagram also illustrates the operation of the robot car training method realized by the robot car training system of Figure 32. The operation of the computing system 200 differs from that of the flow diagram of Figure 27.
The computing system 200 receives driving behavior information from the non-robotic car 100B (S11: driving behavior information receiving step).
The computing system 200 generates optimized driving behavior information based on the driving behavior information received from the non-robotic car 100B (S13: optimization information generation step).
The computing system 200 updates the optimized driving behavior information to the latest information and manages it (S14: optimization information update step).
The computing system 200 transmits the optimized latest driving behavior information to the robot car (S12: driving behavior information transmission step).
According to the robot car training system 1 and method of this embodiment, the robot car 100A receives optimized driving behavior information from the computing system 200 and can learn the driving behavior of the human driver who drives the non-robot car 100B based on the optimized driving behavior information.

この実施形態における最適化された運転行動情報には、運転行動情報の提供を受けるロボットカー１００Ａの車両属性に応じて最適化された運転行動情報、運転行動情報の提供を受けるロボットカー１００Ａが障害物と接触する可能性が最少になるように最適化された運転行動情報、運転行動情報の提供を受けるロボットカー１００Ａの消費エネルギが最少になるように最適化された運転行動情報、運転行動情報の提供を受けるロボットカー１００Ａの回生エネルギが最大になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における加速回数或いは加速時間が最少になるように最適化された運転行動情報、所定走行距離若しくは所定走行時間における制動回数又は制動時間が最少又は最大になるように最適化された運転行動情報、出発地点から到着地点までの走行距離が最少になるように最適化された運転行動情報、出発地点から到着地点までの走行時間が最少になるように最適化された運転行動情報、等が含まれる。 In this embodiment, the optimized driving behavior information includes driving behavior information optimized according to the vehicle attributes of the robot car 100A receiving the driving behavior information, driving behavior information optimized to minimize the possibility of the robot car 100A receiving the driving behavior information coming into contact with an obstacle, driving behavior information optimized to minimize the energy consumption of the robot car 100A receiving the driving behavior information, driving behavior information optimized to maximize the regenerative energy of the robot car 100A receiving the driving behavior information, driving behavior information optimized to minimize the number of accelerations or acceleration time for a specified driving distance or a specified driving time, driving behavior information optimized to minimize or maximize the number of braking operations or braking time for a specified driving distance or a specified driving time, driving behavior information optimized to minimize the driving distance from the departure point to the arrival point, driving behavior information optimized to minimize the driving time from the departure point to the arrival point, etc.

図２２（A）及び図２３（A）図１６に例示される自動運転制御部Ａｃの構成は図３２のシステムにおけるロボットカー１００Ａの自動運転制御部Ａｃにも適用可能である。この場合の学習ステップＳ２６の内容は、図３０及び図３１と同様である。
［その他の実施形態等］ The configuration of the automatic driving control unit Ac exemplified in Figures 22(A), 23(A), and 16 can also be applied to the automatic driving control unit Ac of the robot car 100A in the system of Figure 32. The content of the learning step S26 in this case is the same as that in Figures 30 and 31.
[Other embodiments, etc.]

本発明のロボットカー教習システムは、本発明の道路交通システムに含まれる。したがって、図２４乃至図３３を参照してなされた本発明のロボットカー教習システムの実施形態の説明は、本発明の道路交通システムの実施形態の説明でもある。
また、図１２乃至図１４は、本発明のロボットカー教習システムの実施形態についての説明図でもある。そして、図１２乃至図１４を参照してなされた本発明の道路交通システムの実施形態の説明は、本発明のロボットカー教習システムの実施形態の説明でもある。 The robot car training system of the present invention is included in the road traffic system of the present invention, and therefore the description of the embodiment of the robot car training system of the present invention given with reference to Figures 24 to 33 also describes the embodiment of the road traffic system of the present invention.
12 to 14 are also explanatory diagrams of an embodiment of the robot car training system of the present invention, and the description of the embodiment of the road traffic system of the present invention given with reference to Figs. 12 to 14 also describes the embodiment of the robot car training system of the present invention.

以上の実施形態のロボットカー教習システム及び方法によれば、非ロボットカー１００Ｂが自車両のヒューマンドライバの運転行動を日々学習して運転支援性能を日々向上させていくことにより、ロボットカー１００Ａの自動運転性能も日々向上させていくことができる。すなわち、ロボットカー１００Ａと非ロボットカー１００Ｂとが共存する状況下で、非ロボットカー１００Ｂを運転するヒューマンドライバの運転テクニックをロボットカー１００Ａに学習させて、ロボットカー１００Ａの自動運転性能を高効率に向上させることができる。ロボットカー１００Ａの自動運転性能が向上するにつれて、道路交通システム全体の安全性・信頼性の向上が図られる。 According to the robot car training system and method of the above embodiment, the non-robot car 100B learns the driving behavior of its own vehicle's human driver on a daily basis, improving its driving assistance performance on a daily basis, thereby improving the autonomous driving performance of the robot car 100A on a daily basis. In other words, in a situation where the robot car 100A and the non-robot car 100B coexist, the robot car 100A can learn the driving techniques of the human driver driving the non-robot car 100B, thereby efficiently improving the autonomous driving performance of the robot car 100A. As the autonomous driving performance of the robot car 100A improves, the safety and reliability of the entire road traffic system are improved.

以上の実施形態のロボットカー教習システム及び方法によれば、タクシードライバやバスドライバ等、プロフェッショナルドライバが非ロボットカー１００Ｂを運転した際に得られた運転行動情報を、ロボットカー１００Ａの教習のために利用することができる。ロボットカー１００Ａの自動運転性能の向上に役立つ運転行動情報を提供したプロフェッショナルドライバが対価を得ることができるシステムとすることにより、非ロボットカー１００Ｂを運転した際の運転行動情報を提供することへのインセンティブをプロフェッショナルドライバ達に与えて、彼らの持つ高度な運転テクニックによる運転行動情報の提供を促すことができる。このシステムは、ロボットカー１００Ａと非ロボットカー１００Ｂとが共存する環境（全ての車両がロボットカーになるまでの過渡的環境）において、ロボットカー教習システム側とタクシードライバやバスドライバ等、運転行動情報を提供する側の双方にとって都合の良いシステムである。According to the robot car training system and method of the above embodiment, driving behavior information obtained when professional drivers, such as taxi drivers and bus drivers, drive non-robot cars 100B can be used to train robot cars 100A. By creating a system in which professional drivers who provide driving behavior information that helps improve the autonomous driving performance of robot cars 100A can receive compensation, professional drivers can be given incentives to provide driving behavior information when driving non-robot cars 100B, encouraging them to provide driving behavior information based on their advanced driving techniques. This system is convenient for both the robot car training system and those who provide driving behavior information, such as taxi drivers and bus drivers, in an environment where robot cars 100A and non-robot cars 100B coexist (a transitional environment until all vehicles become robot cars).

以上の実施形態において、ロボットカー１００Ａの教習は、ロボットカー１００Ａと非ロボットカー１００Ｂとが同一の経路Ｒを走行することにより行われるが、必ずしも同一の走行状況で行われなくてもよい。ロボットカー１００Ａの教習は、本物の街で行うこともできる。ロボットカー１００Ａと非ロボットカー１００Ｂとが混在する道路交通システムにおいて、ロボットカー１００Ａの教習を行うことが可能な環境が実現されたならば、地球上に形成された巨大な道路交通システムがロボットカー教習システムとなる。 In the above embodiment, training of the robot car 100A is conducted by having the robot car 100A and the non-robot car 100B travel the same route R, but this does not necessarily have to be done under the same driving conditions. Training of the robot car 100A can also be conducted in a real city. If an environment is realized in which training of the robot car 100A can be conducted in a road traffic system in which robot cars 100A and non-robot cars 100B coexist, the huge road traffic system formed on Earth would become a robot car training system.

以上の実施形態のロボットカー教習システムにおいて、自動運転制御部１００Ａｃの学習処理部１０４ａは、非ロボットカー１００Ｂの運転行動情報から把握される当該非ロボットカー１００Ｂの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカー１００Ｂの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与えて、最も多くの報酬が得られそうな運転行動をとるように学習処理（強化学習による学習処理）を行うことが望ましい。
この構成によれば、非ロボットカー１００Ｂの運転行動情報に基づく強化学習により、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動をロボットカー１００Ａに学習させることができる。 In the robot car training system of the above embodiment, it is desirable that the learning processing unit 104a of the automatic driving control unit 100Ac performs a learning process (learning process by reinforcement learning) so that the car takes the driving behavior that is likely to earn the most reward by giving a more positive reward when the car takes a driving behavior that is closer to the driving behavior of the non-robot car 100B as understood from the driving behavior information of the non-robot car 100B, and giving a more negative reward (punishment) when the car takes a driving behavior that is farther from the driving behavior of the non-robot car 100B.
According to this configuration, the robot car 100A can learn the driving behavior of the human driver who drives the non-robot car 100B through reinforcement learning based on the driving behavior information of the non-robot car 100B.

非ロボットカー１００Ｂの運転行動情報に基づく強化学習には、非ロボットカー１００Ｂの運転行動情報から把握される非ロボットカー１００Ｂの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカー１００Ｂの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与え、最も多くの報酬が得られそうな運転行動をとるように知識部１０１ａに記憶された知識情報を更新する学習が含まれる。 Reinforcement learning based on the driving behavior information of the non-robot car 100B includes learning to give a more positive reward when the driving behavior is closer to the driving behavior of the non-robot car 100B as determined from the driving behavior information of the non-robot car 100B, and to give a more negative reward (punishment) when the driving behavior is farther from the driving behavior of the non-robot car 100B, thereby updating the knowledge information stored in the knowledge unit 101a so that the driving behavior is likely to obtain the most reward.

非ロボットカー１００Ｂの運転行動情報に基づく強化学習には、非ロボットカー１００Ｂの運転行動情報から把握される非ロボットカー１００Ｂの運転行動により近い運転行動をとったときによりプラスの報酬を与え、当該非ロボットカー１００Ｂの運転行動からより遠い運転行動をとったときによりマイナスの報酬(罰)を与え、最も多くの報酬が得られそうな運転行動をとるように運転操作決定部１０３ａにおいて使用される運転操作決定関数のパラメタを調整する学習が含まれる。 Reinforcement learning based on the driving behavior information of the non-robot car 100B includes learning to give a more positive reward when the car takes a driving behavior that is closer to the driving behavior of the non-robot car 100B as understood from the driving behavior information of the non-robot car 100B, and to give a more negative reward (punishment) when the car takes a driving behavior that is farther from the driving behavior of the non-robot car 100B, thereby adjusting the parameters of the driving operation decision function used in the driving operation decision unit 103a so that the car takes a driving behavior that is likely to yield the most reward.

非ロボットカー１００Ｂの運転行動情報に基づく強化学習（模倣学習）によれば、単に試行錯誤（あるタイミングでブレーキをかけなかったら周辺物体に衝突した、経路の曲がりに比べて舵角が小さすぎたら周辺物体に衝突した、といったこと）を繰り返す従来の強化学習と比較して格段と高い効率でロボットカー１００Ａの自動運転性能を向上させることができる。すなわち、従来の強化学習は、決められた経路に沿ってより速い速度で走行しだときにプラスの報酬を与え、ガードレールや他車両など周辺物体に衝突したり決められた経路を外れたりしたりしたときにマイナスの報酬(罰)を与えて、どのような行動をするとどれくらいの報酬が得られそうかを学習していくのみ、すなわちヒューマンドライバの運転行動とは無関係に自車両の運転行動の正否に基づいて学習するのみであるため、ロボットカー１００Ａの自動運転性能をヒューマンドライバの運転テクニックのレベルまで高めるには長期間にわたる非常に膨大な回数の試行錯誤を要する。これに対し、非ロボットカー１００Ｂの運転行動情報に基づく強化学習（模倣学習）は、ヒューマンドライバの運転テクニックを目標とし、その目標を達成するために、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動（お手本）に自車両の運転行動を近づけていく試行錯誤を繰り返すため（この点では「教師あり学習」ともいえる）、ロボットカーの自動運転性能をヒューマンドライバの運転テクニックのレベルまで短期間で到達させることができる。Reinforcement learning (imitation learning) based on the driving behavior information of the non-robot car 100B can improve the autonomous driving performance of the robot car 100A with significantly higher efficiency than conventional reinforcement learning, which simply involves repeated trial and error (such as failing to brake at a certain timing, resulting in a collision with a nearby object, or steering angle that is too small compared to the curve of the path, resulting in a collision with a nearby object). Conventional reinforcement learning simply teaches the robot car how much reward it is likely to receive for certain actions by providing a positive reward when it travels faster along a predetermined path and a negative reward (punishment) when it collides with a nearby object such as a guardrail or another vehicle, or deviates from the predetermined path. In other words, conventional reinforcement learning only learns how much reward it is likely to receive for certain actions, i.e., it only learns based on the success or failure of the vehicle's driving behavior, regardless of the driving behavior of a human driver. Therefore, it requires an extremely large number of trial and error processes over a long period of time to improve the autonomous driving performance of the robot car 100A to the level of a human driver's driving technique. In contrast, reinforcement learning (imitation learning) based on the driving behavior information of the non-robot car 100B aims to emulate the driving techniques of a human driver, and to achieve this goal, trial and error is repeated to make the driving behavior of the vehicle closer to the driving behavior (model) of the human driver operating the non-robot car 100B (in this respect, it can also be called "supervised learning"), so that the autonomous driving performance of the robot car can reach the level of the driving technique of a human driver in a short period of time.

以上の実施形態のロボットカー教習システムにおいて、ロボットカー１００Ａは、ヒューマンドライバの運転行動とは無関係に自車両の運転行動の正否のみに基づいて学習する従来同様の強化学習（或いは教師なし学習）を行うとともに、非ロボットカー１００Ｂの運転行動情報に基づく強化学習（模倣学習）を行うことが望ましい。
この構成によれば、非ロボットカー１００Ｂの運転行動情報に基づく強化学習（模倣学習）による学習がなされていない運転行動を、従来同様の強化学習（或いは教師なし学習）による学習の結果なされる運転行動により補うことができる。また反対に、従来同様の強化学習（或いは教師なし学習）による学習がなされていない、あるいは学習が進んでいない運転行動を、非ロボットカー１００Ｂの運転行動情報に基づく強化学習（模倣学習）による学習の結果なされる運転行動により補うことができる。 In the robot car training system of the above embodiment, the robot car 100A performs conventional reinforcement learning (or unsupervised learning) based solely on the correctness of its own driving behavior, regardless of the driving behavior of the human driver, and it is desirable that the robot car 100A also performs reinforcement learning (imitation learning) based on the driving behavior information of the non-robot car 100B.
With this configuration, driving behavior that has not been learned through reinforcement learning (imitation learning) based on the driving behavior information of the non-robot car 100B can be compensated for by driving behavior that is the result of learning through conventional reinforcement learning (or unsupervised learning). Conversely, driving behavior that has not been learned through conventional reinforcement learning (or unsupervised learning) or has not progressed can be compensated for by driving behavior that is the result of learning through reinforcement learning (imitation learning) based on the driving behavior information of the non-robot car 100B.

以上の実施形態のロボットカー教習システムにおいて、自動運転制御部１００Ａｃの学習処理部１０４ａを多層ニューラルネット（ディープ・ニューラルネット）で構成することが望ましい。この構成は、自動運転制御部１００Ａｃに多層ニューラルネット・プログラムをインストールし、当該多層ニューラルネット・プログラムにより学習処理を実行することにより実現される。
この構成によれば、多層ニューラルネット・プログラムにより実現される深層学習機能をロボットカー１００Ａに持たせ、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動（認識、判断・計画、操作）の特徴をロボットカー１００Ａに自ら抽出させて学習を行わせることができる。この構成により、将来的には人間と同じく汎用の運転知識・運転能力（強いＡＩ）を持ったロボットカー１００Ａが実現され得る。 In the robot car training system according to the above embodiment, it is desirable to configure the learning processing unit 104a of the autonomous driving control unit 100Ac with a multi-layer neural network (deep neural network). This configuration is realized by installing a multi-layer neural network program in the autonomous driving control unit 100Ac and executing the learning process using the multi-layer neural network program.
With this configuration, the robot car 100A is endowed with a deep learning function realized by a multilayer neural network program, and the robot car 100A can extract and learn the characteristics of the driving behavior (recognition, judgment/planning, operation) of a human driver who drives the non-robotic car 100B. With this configuration, in the future, it may be possible to realize a robot car 100A with general driving knowledge and driving ability (strong AI) similar to that of a human.

以上の実施形態のロボットカー教習システムにおいて、自動運転制御部１００Ａｃの学習処理部１０４ａをニューロモーフィック・チップで構成することが望ましい。
この構成によれば、ニューロモーフィック・チップにより実現される深層学習機能をロボットカー１００Ａに持たせ、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動（認識、判断・計画、操作）の特徴をロボットカー１００Ａに自ら抽出させて学習（自己組織化）を行わせることができる。この構成により、将来的には人間と同じく汎用の運転知識・運転能力（強いＡＩ）を持ったロボットカー１００Ａが実現され得る。 In the robot car training system of the above embodiment, it is desirable to configure the learning processing unit 104a of the automatic driving control unit 100Ac using a neuromorphic chip.
With this configuration, the robot car 100A can be equipped with deep learning capabilities realized by a neuromorphic chip, allowing the robot car 100A to extract and learn (self-organize) the characteristics of the driving behavior (recognition, judgment/planning, operation) of a human driver who drives the non-robotic car 100B. With this configuration, it may be possible to realize a robot car 100A with general driving knowledge and driving ability (strong AI) similar to that of a human in the future.

上記ニューロモーフィック・チップには、スパイキング・ニューラルネットが実装されていることが望ましい。
この構成によれば、スパイキング・ニューラルネットにより実現される本物の脳を模した学習機能をロボットカー１００Ａに持たせ、非ロボットカー１００Ｂを運転するヒューマンドライバの運転行動（認識、判断・計画、操作）の特徴をロボットカー１００Ａに人間のように自ら抽出させて学習（自己組織化）を行わせることができる。 The neuromorphic chip preferably includes a spiking neural network implemented therein.
With this configuration, the robot car 100A is endowed with a learning function that mimics a real brain, realized by a spiking neural network, and the robot car 100A can extract and learn (self-organize) the characteristics of the driving behavior (recognition, judgment/planning, operation) of a human driver who drives the non-robot car 100B, just like a human.

以上の実施形態において、ロボットカー１００Ａは、非ロボットカー１００Ｂから提供された運転行動情報を自車両の車両属性に応じて最適値に修正し、当該修正した運転行動情報に基づいて学習処理及び自動運転制御を行う機能を有することが望ましい。たとえば、車両寸法や内外輪差が非ロボットカー１００Ｂと相違する場合、ロボットカー１００Ａは、非ロボットカー１００Ｂから提供された運転行動情報に含まれるステアリング操作量やブレーキ操作のタイミングを修正し、当該修正したステアリング操作量やブレーキ操作のタイミングを含む運転行動情報に基づいて学習処理及び自動運転制御を行う。In the above embodiments, it is desirable that the robot car 100A has the function of correcting the driving behavior information provided by the non-robot car 100B to optimal values according to the vehicle attributes of its own vehicle, and performing learning processing and automatic driving control based on the corrected driving behavior information. For example, if the vehicle dimensions or inner/outer wheel difference differ from those of the non-robot car 100B, the robot car 100A corrects the steering operation amount and braking operation timing included in the driving behavior information provided by the non-robot car 100B, and performs learning processing and automatic driving control based on the driving behavior information including the corrected steering operation amount and braking operation timing.

１道路交通システム，車両共用システム，ロボットカー教習システム
１００車両
１００Ａロボットカー（車両）
１００Ａａ走行状況認知部
１００Ａｂ運転行動情報受信部（運転行動情報取得部）
１００Ａｃ自動運転制御部
１００Ａｄ運転行動情報出力部
１００Ｂ非ロボットカー（車両）
１００Ｂａ走行状況認知部
１００Ｂｂ運転操作検出部
１００Ｂｃ運転行動情報送信部（運転行動情報出力部）
１００Ｂｄ運転行動情報取得部
１００Ｂｅ運転支援制御部
１０１ａ運転知識部
１０２ａ学習処理部
１０３ａ運転操作決定部
１０４ａ学習処理部
１０１ｂ運転知識部
１０２ｂ学習処理部
１０３ｂ運転操作決定部
１０４ｂ学習処理部
１１０車載ゲートウェイ
１２０走行制御システム
２００コンピューティングシステム
２１０ａ運転行動情報受信部（運転行動情報受信機能）
２１０ｂ運転行動情報送信部（運転行動情報受信機能）
２１０ｃ最適化情報生成部（最適化情報生成機能）
２１０ｄ最適化情報更新部（最適化情報更新機能）
２１０サーバコンピュータ
２２０データベース
３００インターネット（ネットワーク）
４１０信号器（地上静止物）
４２０道路（地上静止物）
４４０車庫入れ経験提供装置
５００携帯端末
Ｇ車庫（地上静止物）
Ｖ１自車両
Ｖ２他車両 1 Road traffic system, vehicle sharing system, robot car training system 100 Vehicle 100A Robot car (vehicle)
100Aa: Driving situation recognition unit 100Ab: Driving behavior information receiving unit (driving behavior information acquisition unit)
100Ac Automatic driving control unit 100Ad Driving behavior information output unit 100B Non-robot car (vehicle)
100Ba: Driving situation recognition unit 100Bb: Driving operation detection unit 100Bc: Driving behavior information transmission unit (driving behavior information output unit)
100Bd Driving behavior information acquisition unit 100Be Driving assistance control unit 101a Driving knowledge unit 102a Learning processing unit 103a Driving operation determination unit 104a Learning processing unit 101b Driving knowledge unit 102b Learning processing unit 103b Driving operation determination unit 104b Learning processing unit 110 In-vehicle gateway 120 Travel control system 200 Computing system 210a Driving behavior information receiving unit (driving behavior information receiving function)
210b Driving behavior information transmission unit (driving behavior information reception function)
210c Optimization information generation unit (optimization information generation function)
210d Optimization information update unit (optimization information update function)
210 Server computer 220 Database 300 Internet (network)
410 Signal Device (Stationary)
420 Road (stationary object)
440 Garage parking experience providing device 500 Mobile terminal G Garage (stationary object on the ground)
V1: Your vehicle V2: Other vehicles

Claims

A robot car that is driven by automatic driving control instead of by a human driver,
a driving situation recognition unit that recognizes the driving situation of the host vehicle, which changes from moment to moment;
a driving behavior information acquisition unit that acquires driving behavior information of other vehicles (excluding information on the driving state of other vehicles traveling immediately in front of the host vehicle);
an autonomous driving control unit that analyzes in real time the ever-changing driving conditions of the vehicle recognized by the driving condition recognition unit, and determines a driving operation to be performed based on the analysis result and the driving behavior information acquired by the driving behavior information acquisition unit, and performs autonomous driving control so that the driving operation is performed;
The driving behavior information is information that associates a driving situation of the other vehicle at each time point with a driving operation of the other vehicle performed in each driving situation,
The automatic driving control unit
a driving operation determination unit that determines, by calculation, a driving operation according to the driving situation recognized by the driving situation recognition unit;
a learning processing unit that adjusts parameters of a driving operation determination function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit,
The learning processing unit
Using the driving behavior information as a learning data set, adjusting the parameters so that the host vehicle performs the same driving operation as the other vehicle in each driving situation included in the driving behavior information;
The learning processing unit repeats the process of adjusting the parameters, thereby improving the autonomous driving performance of the robot car.

A computer program for implementing the robot car described in claim 1 using one or more computers.

A system having a robotic car and a non-robotic car that travels the same route as the robotic car,
The non-robotic car is
A vehicle operated by a human driver,
a driving situation recognition unit that recognizes the driving situation of the vehicle, which changes from moment to moment;
a driving operation detection unit that detects driving operations by a human driver of the vehicle;
a driving behavior information output unit that outputs driving behavior information that associates the driving situation at each time point recognized by the driving situation recognition unit with the driving operation detected by the driving operation detection unit in each driving situation,
The robot car is
A vehicle in which driving operations are performed by automatic driving control instead of driving operations by a human driver,
a driving situation recognition unit that recognizes the driving situation of the vehicle, which changes from moment to moment;
a driving behavior information acquisition unit that acquires driving behavior information of the non-robot car;
an automatic driving control unit that determines a driving operation to be performed based on the driving situation recognized by the driving situation recognition unit and performs automatic driving control so that the driving operation is performed;
a driving behavior information acquisition unit that acquires the driving behavior information output from the non-robot car,
The automatic driving control unit
a driving operation determination unit that determines, by calculation, a driving operation according to the driving situation recognized by the driving situation recognition unit;
a learning processing unit that performs a learning process to adjust parameters of a driving operation determination function used in the driving operation determination unit based on the driving behavior information acquired by the driving behavior information acquisition unit,
The learning processing unit
using the driving behavior information acquired by the driving behavior information acquisition unit as a learning data set, and adjusting the parameters so that the host vehicle performs the same driving operation as the non-robot car in each driving situation included in the driving behavior information;
The learning processing unit repeats the process of adjusting the parameters, thereby improving the autonomous driving performance of the robot car training system.

A robot car driving training method for teaching a robot car to drive by having the robot car learn the driving behavior of a human driver who drives a non-robot car, comprising:
a non-robot car driving step in which the non-robot car drives the same route as the robot car;
a non-robotic car driving situation recognition step in which the non-robotic car recognizes the driving situation of its own vehicle, which changes from moment to moment, while traveling along the route;
a driving operation detection step in which the non-robotic car detects a driving operation by a human driver of the vehicle while traveling along the route;
a driving behavior information output step in which the non-robot car outputs driving behavior information that associates the driving situation with the driving operation;
a robot car running step in which the robot car runs along the route;
a robot car travel situation recognition step in which the robot car recognizes the travel situation of its own vehicle, which changes from moment to moment while traveling along the route;
a driving behavior information acquisition step in which the robot car acquires driving behavior information of a non-robot car;
a driving operation determination step in which the robot car determines a driving operation according to a driving situation of the vehicle by calculation;
an automatic driving control step of performing automatic driving control so that the driving operation is executed;
a learning step of performing a learning process to adjust parameters of a driving operation determination function used in the driving operation determination step based on the driving behavior information acquired in the driving behavior information acquisition step,
The driving behavior information is
the information associating the driving situation at each time point recognized by the driving situation recognition step with the driving operation detected in the driving operation detection step for each driving situation,
The learning step
a step of performing a learning process in which the driving behavior information acquired in the driving behavior information acquisition step is used as a learning data set, and the parameters of a driving operation determination function used in the driving operation determination step are adjusted so that the host vehicle performs the same driving operation as the non-robot car in each driving situation included in the driving behavior information;
A robot car training method for improving the autonomous driving performance of the robot car by repeating the learning step.

A computer program for implementing the robot car training system described in claim 3 using one or more computers.