驾驶辅助方法及驾驶辅助装置与流程

本发明涉及可切换驾驶者的手动驾驶和自动驾驶，学习驾驶者的手动驾驶的驾驶特性，并将该学习结果反映到自动驾驶控制的驾驶特性中的自动驾驶车辆的驾驶辅助方法及其装置。

背景技术：

目前，为了能够进行抑制驾驶者的不适感的自动驾驶，专利文献1中公开了学习手动驾驶中的驾驶者的驾驶操作的驾驶控制装置。在专利文献1公开的驾驶控制装置中，设定行车道数量或天气等环境项目，在手动驾驶时根据环境项目确定驾驶环境，与驾驶环境对应起来学习驾驶者的驾驶操作。

现有技术文献

专利文献

专利文献1:日本特开2015－89801号公报

技术实现要素：

发明要解决的问题

但是，在上述现有的驾驶控制装置中，因为将驾驶者的学习结果直接应用于自动驾驶控制，所以未考虑行驶的地域的驾驶特性。因此，在驾驶者的驾驶特性与利用自动驾驶的地域的驾驶特性不同的情况或学习了驾驶特性的地域和利用自动驾驶的地域不同的情况下，采取自动驾驶车辆与周围的车辆不同的行为。于是，存在自动驾驶车辆的乘员感到不安的问题点。

因此，本发明是鉴于上述的实际情况而提出的，其目的在于，提供一种能够防止乘员由于自动驾驶车辆采取与周围的车辆不同的行为而感到不安的驾驶辅助方法及驾驶辅助装置。

用于解决问题的技术方案

为了解决上述问题，本发明的一方式的驾驶辅助方法及驾驶辅助装置检测自动驾驶车辆行驶的地域的驾驶特性，并根据检测的地域的驾驶特性调整学习结果，基于调整的学习结果执行自动驾驶控制。

发明效果

根据本发明，能够抑制自动驾驶车辆采取与周围的车辆不同的行为，防止使乘员感到不安。

附图说明

图1是表示包含本发明的一个实施方式的驾驶辅助装置的驾驶辅助系统的结构的框图。

图2是表示通过本发明的一个实施方式的驾驶辅助系统算出的地域的驾驶特性的一例的图。

图3是用于说明本发明的一个实施方式的驾驶辅助系统的地域的区分方法的图。

图4是表示本发明的一个实施方式的驾驶辅助装置的驾驶特性学习处理的处理步骤的流程图。

图5是表示在本发明的一个实施方式的驾驶特性学习处理中输入的数据的一例的图。

图6是用于说明在本发明的一个实施方式的驾驶特性学习处理中执行的多元回归分析的系数的图。

图7是表示在本发明的一个实施方式的驾驶特性学习处理中输入的数据的一例的图。

图8是用于说明在本发明的一个实施方式的驾驶特性学习处理中执行的多元回归分析的系数的图。

图9是表示本发明的一个实施方式的驾驶辅助装置的自动驾驶控制处理的处理步骤的流程图。

图10是用于说明根据地域的驾驶特性调整本发明的一个实施方式的驾驶特性学习处理的学习结果的处理的图。

具体实施方式

以下，参照附图对应用了本发明的一个实施方式进行说明。

[驾驶辅助系统的结构]

图1是表示包含本实施方式的驾驶辅助装置的驾驶辅助系统的结构的框图。如图1所示，本实施方式的驾驶辅助系统100搭载于自动驾驶车辆，具备：驾驶辅助装置1、行驶状态检测单元3、行驶环境检测单元5、驾驶切换开关7、控制状态提示单元9。另外，驾驶辅助系统100与搭载于车辆的促动器11连接，经由通信网络与管理服务器13连接。

驾驶辅助装置1是能够切换驾驶者的手动驾驶和自动驾驶控制，学习驾驶者在手动驾驶中的驾驶特性，执行使该学习结果反映到自动驾驶控制的驾驶特性中的处理的控制器。特别是，驾驶辅助装置1检测自动驾驶车辆行驶的地域的驾驶特性，并根据检测到的地域的驾驶特性调整学习结果，基于调整的学习结果执行自动驾驶控制。在此，驾驶辅助装置1具备：学习用数据存储单元21、驾驶特性学习单元23、地域判定单元25、驾驶特性调整单元27、自动驾驶控制执行单元29。另外，在本实施方式中，对将驾驶辅助装置1搭载于自动驾驶车辆的情况进行说明，但也可以在车辆中设置通信装置，将驾驶辅助装置1设置于外部服务器。

此外，本实施方式的手动驾驶是使车辆按照驾驶者的操作进行行驶的驾驶。另外，本实施方式的自动驾驶是对转向装置、加速踏板、制动器通过驾驶者以外的介入使车辆行驶。在该自动驾驶中除了没有驾驶者的操作而行驶的自动驾驶控制外，还包含车速维持控制、防止行车道偏离控制、前车追随控制。另外，在自动驾驶中，还包含允许乘员的驾驶介入(超控)的控制。

另外，在通过vdc(车辆动力学控制)、eps(电动助力转向装置)使辅助驾驶操作的功能工作的情况下，可以是手动驾驶中，也可以不是手动驾驶中。在将通过vdc、eps使辅助驾驶操作的功能工作的情况设为手动驾驶中的情况时，也可以将驾驶者的操作量或基于驾驶者的操作量的控制指令值设为驾驶者的驾驶特性。相反，也可以将驾驶操作的辅助产生的操作量、控制指令值设为驾驶者的驾驶特性。另外，也可以学习使驾驶操作的辅助与驾驶者一致的操作量、控制指令值、车辆的驾驶特性作为驾驶者的驾驶特性。与此相对，在未将辅助驾驶操作的功能工作的情况设为手动驾驶中的情况下，因为能够分开学习辅助驾驶操作的功能没有工作的情况，因此，选择能够稳定地学习的场景，能够正确地学习驾驶者的驾驶特性。

行驶状态检测单元3检测表示车速或转向角、加速度、与前车的车间距离、与前车的相对速度、当前位置、前灯的开灯状态、方向指示器的显示状态、刮水器的工作状态等车辆的行驶状态的行驶数据。例如，行驶状态检测单元3是如can(controllerareanetwork)那样的车载网络或导航装置、激光雷达、摄像机等。

行驶环境检测单元5检测表示车辆行驶的道路的行车道数、限制速度、道路坡度、车辆前方的信号机的显示状态、到车辆前方的交叉路口的距离、在车辆前方行驶的车辆数、车辆前方的交叉路口的预定路线等车辆行驶的环境的环境信息。另外，也可以检测道路曲率或有无临时停止规则等作为环境信息。例如，行驶环境检测单元5为搭载于车辆的摄像机或激光雷达、导航装置。另外，车辆前方的交叉路口的预定路线从导航装置或方向指示器的显示状态等中获得。另外，从照度传感器、外气温传感器、刮水器开关中分别获得车辆周围的照度、气温、天气状态。但是，照度也可以从前灯的开关中获得。

驾驶切换开关7是搭载于车辆，通过车辆的乘员操作而进行自动驾驶控制和手动驾驶的切换的开关。例如，驾驶切换开关7设置于车辆的转向装置。

控制状态提示单元9在仪表显示单元或导航装置的显示画面、平视显示器等中显示当前的控制状态是手动驾驶还是自动驾驶控制。另外，还输出传达自动驾驶控制的开始、结束的通知音，提示驾驶特性的学习是否结束。

促动器11接收来自驾驶辅助装置1的执行指令，驱动车辆的加速踏板或制动器、转向装置等各部件。

管理服务器13是设置于探测车系统的数据中心的探测服务器，从大量的车辆收集探测数据，针对每个地域计算并积累驾驶特性。

管理服务器13具备：数据收集单元31、地域驾驶特性计算单元33、数据库35。数据收集单元31经由通信网络从大量的车辆收集探测数据。此时，因为数据收集单元31检测收集的数据的地域，所以能够按每个地域分类收集数据。

地域驾驶特性计算单元33使用通过数据收集单元31收集的数据计算各地域的驾驶特性。地域驾驶特性计算单元33根据收集的数据对车间距离或制动定时(制动距离)、速度、加速度、间隔时间等各参数按每个地域计算平均值及标准偏差等统计值。如图2所示，地域的驾驶特性由概率分布表示，并按每个地域对各参数进行计算。例如，图2的驾驶特性是参数为速度时的驾驶特性，±1σ的范围为通常的范围，+1σ以上为急趋势的范围，－1σ以下为缓趋势的范围。另外，地域的区分只要使用行政上的单位进行区分即可。例如，为国家、州、县、市镇村等。另外，也可以将驾驶特性类似的地域区分为一个地域。例如，计算驾驶特性的结果是，也可以将有进行性急的驾驶的趋势的地域作为1个地域。

数据库35积累收集的探测数据，并且保存通过地域驾驶特性计算单元33计算的地域的驾驶特性。

接着，对构成驾驶辅助装置1的各单元进行说明。学习用数据存储单元21从行驶状态检测单元3及行驶环境检测单元5获得关于车辆的行驶状态的行驶数据或关于车辆周围的行驶环境的环境信息，并存储驾驶特性学习处理中需要的数据。特别是，学习用数据存储单元21存储用于手动驾驶中的车间距离或制动距离等学习的行驶数据。此时，学习用数据存储单元21与车辆的行驶状态或行驶环境相关联地存储行驶数据。作为存储的行驶数据，除速度或车间距离外，还存储当前位置、与前车的相对速度、转向角、减速度、跟随前车的持续时间、减速开始速度、制动距离、制动踏板或加速踏板的操作量、到停止线的距离等数据。另外，学习用数据存储单元21还存储环境信息。环境信息为车辆行驶的道路的行车道数、限制速度、道路坡度或信号机的显示状态、从车辆到交叉路口的距离、车辆前方的车辆数、方向指示器的显示状态、道路曲率、临时停止规则的有无、车辆的周边的天气、气温或照度等。

驾驶特性学习单元23读出由学习用数据存储单元21存储的行驶数据，考虑来自行驶状态及行驶环境的影响程度，学习驾驶者的手动驾驶的驾驶特性。作为学习的驾驶特性，除与前车的车间距离或制动定时(制动距离)外，具有速度、加速度、间隔时间等。间隔时间是在交叉路口开始右转时的与对向直行车之间的时间差、或在具有临时停止规则的交叉路口进入交叉路口时的与交差车辆之间的时间差。这样计算的学习结果随时存储到驾驶特性学习单元23中。

地域判定单元25从学习用数据存储单元21获得车辆的当前位置，并根据车辆的当前位置判定车辆当前行驶的地域。判定的地域只要使用行政上的单位进行区分即可。例如，为国家、州、县、市镇村等。特别是，由于在国境国家变更，有时限制速度改变。在这种情况下，因为驾驶特性对于每个国家而变化的可能性高，所以在多个国家相接的地域将国家区分为1个地域是有效的。另外，也可以将驾驶特性类似的地域区分为1个地域。例如，在日本的情况下，如图3所示，也可以将关东圈、名古屋圈、关西圈等作为1个地域。在该区分方法中，学习驾驶特性的结果，将在驾驶行为的分布中没有差别的地域区分为1个地域。

驾驶特性调整单元27检测通过地域判定单元25判定为自动驾驶车辆当前行驶的地域的驾驶特性，并根据检测的地域的驾驶特性，调整通过驾驶特性学习单元23学习的驾驶特性的学习结果。例如，在地域的驾驶特性和学习结果之间产生规定的背离的情况下，将驾驶特性的学习结果调整为与地域的驾驶特性接近。另外，地域的驾驶特性可以从作为外部服务器的管理服务器13经由通信装置获得，也可以预先存储到驾驶特性调整单元27中。另外，也可以在驾驶辅助装置1的内部而不是管理服务器13计算地域的驾驶特性。

此外，在学习结果的调整中，不局限于直接调整驾驶特性(例如变更控制指令值，使得平均车速从30km/h变为40km/h)，也可以加工行驶数据，间接地调整驾驶特性(生成驾驶特性的数据的取舍选择、使用的数据范围的调整等加工行驶数据，以生成使平均车速从30km/h设为40km/h的控制指令值)。

自动驾驶控制执行单元29在成为自动驾驶区间的情况或驾驶者通过驾驶切换开关7选择自动驾驶控制的情况下，执行自动驾驶控制。此时，自动驾驶控制执行单元29基于通过驾驶特性调整单元27调整的学习结果执行自动驾驶控制。

此外，驾驶辅助装置1由微型计算机、微型处理器、包含cpu的通用的电子电路、内存等外围设备构成。而且，通过执行确定的程序，作为上述的学习用数据存储单元21、驾驶特性学习单元23、地域判定单元25、驾驶特性调整单元27、自动驾驶控制执行单元29进行动作。这种驾驶辅助装置1的各功能能够通过1或多个处理电路进行安装。处理电路例如包含含有电路的处理装置等被编程的处理装置，还包含面向被安排的确定用途的集成电路(asic)或常规的电路零件的装置以执行实施方式中记载的功能。

[驾驶特性学习处理的步骤]

接着，参照图4的流程图对本实施方式的驾驶辅助装置1的驾驶特性学习处理的步骤进行说明。图4所示的驾驶特性学习处理在车辆的点火装置打开时开始。

如图4所示，首先，在步骤s101中，学习用数据存储单元21根据驾驶切换开关7的状态判定车辆是否为手动驾驶。在车辆为手动驾驶的情况下，进入步骤s103，在为自动驾驶的情况下，结束驾驶特性学习处理并执行自动驾驶控制。

在步骤s103中，学习用数据存储单元21从行驶状态检测单元3及行驶环境检测单元5检测关于车辆的行驶状态的行驶数据和关于车辆周围的行驶环境的环境信息。作为检测的行驶数据，是车速、转向角、加速度、减速度、与前车的车间距离、与前车的相对速度、当前位置、前方交叉路口的预定路线、制动踏板及加速踏板的操作量、追随前车的持续时间、刮水器的工作状态等。另外，作为环境信息，检测车辆行驶的道路的行车道数、限制速度、道路坡度或信号机的显示状态、从车辆到交叉路口的距离、车辆前方的车辆数、车辆的方向指示器的显示状态、车辆周边的天气、气温或照度等。

在步骤s105中，学习用数据存储单元21存储在步骤s103检测的行驶数据和环境信息作为学习用数据。

在此，图5表示通过学习用数据存储单元21存储的学习用数据的一例。如图5所示，在学习用数据中记录车间距离d、车速v、x1～x6、y1的数据。x1～x6、y1是基于环境信息而设定的数据，根据图6所示的设定方法设定0或1的值。例如，x1在获得图5所示的车间距离d和速度v的数据时，在车辆在一侧2行车道以上的道路行驶的情况下，设定为1，在一侧1行车道以下的道路行驶的情况下设定为0。

另外，x2在车辆在上坡路行驶的情况下设定为1，在除此以外(平坦路和下坡路)的情况下设定为0，x3在车辆前方的信号机为红信号的情况下，设定为1，在除此以外的情况(绿信号或没有信号机)下设定为0。但是，红信号中也可以包含黄信号。x4在从车辆到交叉路口的距离低于规定值j[m]的情况下，设定为1。在为所定值j[m]以上的情况下设定为0，x5在车辆前方的l[m]以内具有所定值n辆以上的车辆的情况下设定为1，在为所定值n－1辆以下的情况下设定为0。另外，x6在车辆的用于右左转的方向指示器为打开的情况下设定为1，在为关闭的情况下设定为0。另外，y1在车辆在停止中到停止线的距离为所定值k[m]以上的情况下设定为1，在低于所定值k[m]的情况下设定为0。这样，在图5所示的学习用数据中，x1～x6、y1的环境信息与车间距离d和车速v的行驶数据相关联。

另外，图7表示通过学习用数据存储单元21存储的学习用数据的另一例。如图7所示，在学习用数据中记录制动距离db、减速开始速度vb、x1～x6的数据。制动距离db是车辆在交叉路口停止时的制动距离，减速开始速度vb是车辆在交叉路口停止时的减速开始速度。

另外，图7的x1～x6是基于环境信息而设定的数据，根据图8所示的设定方法设定0或1的值。例如，x1在获得图7所示的制动距离db和减速开始速度vb的数据时，在车辆行驶的道路的曲率为所定值以上的情况下设定为1，在曲率低于所定值的情况下设定为0。

另外，x2在车辆在下坡路行驶的情况下设定为1，在除此以外(平坦路和上坡路)的情况下设定为0，x3在车辆前方的信号机为红信号的情况下设定为1，在除此以外的情况下(绿信号或没有信号机)设定为0。但是，红信号中也可以包含黄信号。另外，x4在为夜间的情况下设定为1，在除此以外的情况下设定为0。是否为夜间的判定只要根据前灯的开灯状态进行判定即可。另外，x5在车辆周围的天气为坏天气的情况下设定为1，不是坏天气的情况下设定为0。作为是否为坏天气的判定方法，在车辆的刮水器设定为关闭或间歇的情况下判定为不是坏天气，在为打开的情况下判定为坏天气。另外，x6在用于车辆的右左转的方向指示器为打开的情况下设定为1，在为关闭的情况下设定为0。这样，在图7所示的学习用数据中，x1～x6的环境信息与制动距离db和制动开始速度vb的行驶数据相关联。

在步骤s107中，判定学习用数据存储单元21是否能够存储规定量的学习用数据，在不满足规定量的情况下返回步骤s103，在能够积累规定量以上的情况下返回步骤s109。

在步骤s109中，驾驶特性学习单元23学习驾驶者的手动驾驶的驾驶特性。例如，在车间距离的学习中，使用图5中所示的数据集，制作以下的式(1)所示的多元回归模型进行学习。

df＝(a0+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6)vf+(b0+b1y1)(1)

在式(1)中，vf是当前的车速，df是根据模型计算的与前车的车间距离。x1～x6、y1是环境因素，a0～a6、b0、b1是通过学习得到的系数。式(1)的(a0～a6x6)的项是到行驶中的前车的时间(车头时间，但是至减去停止车间距离的位置的时间)。另外，(b0+b1y1)的项是停止中的车间距离，车辆和前车的车速成为零时的车间距离。这样，式(1)所示的多元回归模型表示与前车的车间距离、停止时的车间距离根据环境因素而变动。

式(1)的系数中，如图6所示，a0是对每次行程设定的基准值，x1～x6的值为0时的行程内的车头时间的平均值。另外，b0是对每个驾驶者设定的基准值，y1的值为0时的停止时的车间距离。例如，只要使用停止时的车间距离的平均值即可。

这样，驾驶特性学习单元23使用图5所示的学习用数据进行多元回归分析，计算式(1)的a0～a6、b0、b1的系数。

另外，在制动距离的学习中，使用图7中所示的数据集，制作以下的式(2)所示的多元回归模型进行学习。

db＝(c0+c1x1+c2x2+c3x3+c4x4+c5x5+c6x6)vb²+dvb(2)

在式(2)中，vb是减速开始速度，db是根据模型计算的制动距离。x1～x6是环境因素，c0～c6、d是通过学习得到的系数。这样，式(2)所示的多元回归模型表示车辆在交叉路口停止时的制动距离根据环境因素而变动。

另外，式(2)的多元回归模型还与减速开始行为的不同的类型对应。如以下所示，式(2)能够如式(3)那样表示，能够根据式(2)和式(3)如式(4)那样表示。

db＝vb²/2a+dvb(3)

a＝1/2(c0+c1x1+c2x2+c3x3+c4x4+c5x5+c6x6)(4)

在式(3)、(4)中，a是平均减速度(m/s²)，在式(2)、(3)中，d表示tti(timetointersection：假设以制动开始时的速度继续前进的情况下到交叉路口的到达时间)。

式(2)的系数中，如图8所示，c0、d是按个人设定的基准值。c0是x1～x6的值为0时的减速度的平均值，d是对tt的依赖程度(即，与速度对应的减速度的变更程度)。d成为对tti的依赖度越高越接近1的值。

这样，驾驶特性学习单元23使用图7所示的学习用数据进行多元回归分析，计算式(2)的c0～c6、d的系数。另外，驾驶特性学习单元23对各参数计算标准偏差或平均值并求出概率分布。

在步骤s111中，驾驶特性学习单元23存储计算出的式(1)的a0～a6、b0、b1的系数或式(2)的c0～c6、d的系数和各参数的概率分布作为计算结果，结束本实施方式的驾驶特性学习处理。

[自动驾驶控制处理的步骤]

接着，参照图9的流程图对本实施方式的驾驶辅助装置1的自动驾驶控制处理的步骤进行说明。

如图9所示，在步骤s201中，地域判定单元25从学习用数据存储单元21获得车辆的当前位置，并根据车辆的当前位置判定车辆当前行驶的地域。作为判定的地域，可以为使用行政上的单位进行区分的地域，也可以为驾驶特性类似的地域。

在步骤s203中，驾驶特性调整单元27检测在步骤s201中判定的地域的驾驶特性，比较检测的地域的驾驶特性和驾驶特性学习处理的学习结果，判定是否产生规定的背离。在产生规定的背离的情况下，进入步骤s205，在没有产生背离的情况下进入步骤s213。

首先，对产生规定的背离的情况进行说明。在步骤s205中，驾驶特性调整单元27从行驶状态检测单元3及行驶环境检测单元5检测关于车辆的行驶状态的行驶数据和关于车辆周围的行驶环境的环境信息。

在步骤s207中，驾驶特性调整单元27根据地域的驾驶特性调整驾驶特性学习处理的学习结果。例如，如图10所示，对于检测到的地域的驾驶特性x预先设定允许范围a。在图10中，设定－1.5σ～+1.5σ的范围作为允许范围。而且，当判定为学习结果y1、y2从允许范围a偏离，产生规定的背离时，驾驶特性调整单元27将学习结果y1、y2调整为接近地域的驾驶特性x。具体而言，调整使得表示学习结果y1的平均值的顶点y1进入允许范围a中。同样，关于学习结果y2，调整使得表示学习结果y2的平均值的顶点y2进入允许范围a中。此时，学习结果y1、y2的顶点y1、y2也可以调整为与表示地域的驾驶特性x的平均值的顶点x一致。该情况下，通过使学习结果y1、y2与地域的驾驶特性x一致，根据地域的驾驶特性x执行自动驾驶控制。

图10是例示参数为速度的情况，学习结果y1具有相对地域的驾驶特性x，速度过速且过急的趋势。如果不调整该学习结果y1，而直接按学习结果y1执行自动驾驶控制，则在该地域行驶的周围的车辆感到被煽动并产生不适感或不安感。但是，在本实施方式中，因为将学习结果y1调整为接近地域的驾驶特性x，所以只要基于调整后的学习结果执行自动驾驶控制，就能够防止周围的车辆产生不适感或不安感。

相反，学习结果y2具有相对地域的驾驶特性x速度过慢，且悠闲的趋势。如果不调整该学习结果y2而直接按学习结果y2执行自动驾驶控制，则妨碍交通的流动，给周围的车辆带来麻烦。另外，从周围的车辆鸣响汽车喇叭使乘员产生不适感或不安感。但是，在本实施方式中，因为将学习结果y2调整为接近地域的驾驶特性x，所以只要基于调整后的学习结果执行自动驾驶控制，就能够防止给周围的车辆带来麻烦，使乘员产生不适感或不安感。

此外，允许范围a可以始终使用固定的值，但也可以基于地域的驾驶者的驾驶行为特性而设定。例如，根据地域的驾驶者的驾驶行为的差异程度设定允许范围。在地域的驾驶者的驾驶行为的差异小的情况下，也可以将允许范围缩小到－1σ～+1σ的范围，在差异大的情况下，也可以将允许范围扩大到－2σ～+2σ的范围。当以参数为速度的情况为例子时，在速度快的驾驶者或慢的驾驶者分散地存在的情况下，扩大允许范围a，在大部分的驾驶者以相同的速度行驶的情况下缩小允许范围a。

另外，也可以将允许范围a根据周围的状态进行变更。例如，在自动驾驶车辆在高速道路行驶的情况下，周围的车辆以大约100km/h左右的速度行驶，因为差异小，所以也可以缩小允许范围a。另一方面，在普通道路行驶的情况下，因为周围的车辆的速度的差异大，所以最好扩大允许范围a。

这样，驾驶特性调整单元27根据地域的驾驶特性调整驾驶特性学习处理的学习结果。另外，图10所示的学习结果y1、y2表示分别针对通过驾驶特性学习处理计算的式(1)的a0～a6、b0、b1、式(2)的c0～c6、d的系数计算的学习结果。因此，对这些系数分别进行接近地域的驾驶特性的调整。

但是，在周围不存在车辆的情况下，因为不需要与地域的驾驶特性一致，所以也可以不使用调整的学习结果，而将驾驶特性学习处理的学习结果直接应用于自动驾驶控制的驾驶特性。

在步骤s209中，自动驾驶控制执行单元29基于调整后的学习结果执行自动驾驶控制。具体而言，自动驾驶控制执行单元29将控制执行指令发送到促动器11，执行自动驾驶中所需的加速踏板、制动器、转向装置等操作。

在步骤s211中，自动驾驶控制执行单元29判定是否结束了自动驾驶，在没有结束的情况下，返回步骤s205继续自动驾驶控制。另一方面，在自动驾驶切换为手动驾驶而结束自动驾驶的情况下，结束本实施方式的自动驾驶控制处理。

接着，在步骤s203中，对没有产生规定的背离的情况进行说明。在步骤s213中，自动驾驶控制执行单元29从行驶状态检测单元3及行驶环境检测单元5检测关于车辆的行驶状态的行驶数据和关于车辆周围的行驶环境的环境信息。

在步骤s215中，自动驾驶控制执行单元29基于驾驶特性学习处理的学习结果设定驾驶特性。具体而言，将作为学习结果的式(1)的a0～a6、b0、b1、式(2)的c0～c6、d的系数设定为式(1)～(4)，并计算车间距离df或制动距离db等驾驶特性。而且，自动驾驶控制执行单元29设定计算的驾驶特性作为自动驾驶控制的驾驶特性。

在步骤s217中，自动驾驶控制执行单元29使用设定的驾驶特性执行自动驾驶控制。具体而言，自动驾驶控制执行单元29将控制执行指令发送到促动器11，执行自动驾驶中所需的加速踏板、制动器、转向装置等操作。

在步骤s219中，自动驾驶控制执行单元29判定自动驾驶是否已结束，在没有结束的情况下，返回步骤s213继续自动驾驶。另一方面，在自动驾驶切换为手动驾驶从而自动驾驶结束的情况下。结束本实施方式的自动驾驶控制处理。

[实施方式的效果]

如以上详细说明的那样，在本实施方式的驾驶辅助方法中，检测自动驾驶车辆行驶的地域的驾驶特性，根据检测到的地域的驾驶特性调整学习结果，基于调整后的学习结果执行自动驾驶控制。由此，即使在学习结果与地域的驾驶特性不同的情况下，自动驾驶车辆也不会采取与周围的车辆不同的行为，防止使乘员感到不安。另外，由于能够抑制自动驾驶车辆采取与周围的车辆不同的行为，因此能够防止给周围的车辆带来不安感。

另外，在本实施方式的驾驶辅助方法中，在地域的驾驶特性和学习结果之间产生规定的背离的情况下，将学习结果调整为接近地域的驾驶特性。由此，即使在学习结果与地域的驾驶特性背离的情况下，也能够使学习结果与地域的驾驶特性一致。因此，即使为车辆的乘员对于行驶的地域的行驶方法容易感到不安的场景，因为能够沿着地域特有的行驶方法行驶，所以能够在适当的定时抑制使乘员感到不安，或给周围的车辆带来不安感。

另外，在本实施方式的驾驶辅助方法中，在地域的驾驶特性中设定允许范围，基于地域的驾驶者的驾驶行为特性设定该允许范围。由此，因为可以与地域的驾驶者的驾驶行为特性相应地调整学习结果，所以能够适当地调整学习结果。

另外，在本实施方式的驾驶辅助方法中，能够根据自动驾驶车辆的周围的状况变更允许范围。由此，因为能够与周围的状况相应地灵活调整学习结果，所以能够适当地调整学习结果。

另外，在本实施方式的驾驶辅助方法中，将学习的驾驶特性设为车间距离、制动定时、速度、加速度、间隔时间中的至少1个。由此，能够对各个参数详细地调整学习结果。

另外，在本实施方式的行驶辅助方法中，使用行政上的单位区分地域。由此，因为地域的区分变得明了，所以即使地域变化，乘员也能够可靠地识别地域的变更。

另外，在本实施方式的驾驶辅助方法中，以驾驶特性类似的范围区分地域。由此，因为在地域内成为类似的驾驶特性，所以只要对每个地域调整学习结果，就能够更可靠地执行沿着地域的行驶方法的自动驾驶控制。

另外，在本实施方式的驾驶辅助方法中，地域的驾驶特性预先存储到自动驾驶车辆中。由此，在行驶的地域变化的时刻或产生规定的背离的时刻中，能够快速调整驾驶特性。

另外，在本实施方式的驾驶辅助方法中，通过外部服务器计算地域的驾驶特性。由此，能够减轻自动驾驶车辆的处理负荷，还能够通过由外部服务器统一处理而降低成本。

另外，在本实施方式的驾驶辅助方法中，自动驾驶车辆从外部服务器经由通信单元获得地域的驾驶特性。由此，能够减轻自动驾驶车辆的处理负荷，还能够降低存储地域的驾驶特性的容量。

此外，上述的实施方式为本发明的一例。因此，本发明不限定于上述的实施方式，即使为该实施方式以外的方式，不用说只要在不偏离本发明的技术思想的范围内，就能够根据设计等进行各种变更。

标号说明

1驾驶辅助装置

3行驶状态检测单元

5行驶环境检测单元

7驾驶切换开关

9控制状态提示单元

11促动器

13管理服务器

21学习用数据存储单元

23驾驶特性学习单元

25地域判定单元

27驾驶特性调整单元

29自动驾驶控制执行单元

31数据收集单元

33地域驾驶特性计算单元

35数据库

100驾驶辅助系统