パワートレイン系ECUとは、エンジンECUやトランスミッションECU、ハイブリッドECUなどを指します。


エンジンECUは、燃料の量とタイミング、および点火時期のコントロールを行います。必要な燃料調整と点火時期は、エンジンの回転数や負荷の状態で異なります。

そのため、エンジンECU内には動作状況ごとに対応できる制御データ（マップ）が数パターン組み込まれています。


ハイブリッドECUは、ハイブリッド車に搭載されているECUのひとつで、エンジンとモーターという動力源を効率的に活用するための司令塔ともいえるECUです。

発進時や低速域ではモーターのみで、急加速の際はエンジンとモーターを合わせるなど、アクセルの踏み込み具合や車速に応じた最適な制御を実現します。


トランスミッションECUは、シフトチェンジの自動制御を行うシステムです。

ギアを必要に応じて切り替え、エンジンの回転および出力を駆動輪に伝えます。

自動変速によりギア段を最適化、運転疲労の軽減や燃費向上を実現します。

シャシ系に属するのは、パワーステアリングECUやブレーキ・アクセルECUです。

パワーステアリングECUは、ドライバーのハンドル操作の補助を行い、少ない力でもハンドルが動かせるように制御するECUです。

モーター角度センサー、モーター制御のために必要な情報を受信するCAN（Controller Area Network）、マイクロコントローラ、トルクセンサー、インバータなどで構成されます。


ブレーキECUとは、ブレーキやアクセルを制御するECUのことで、加速度などセンサーの情報をもとに自動ブレーキを作動し、衝突回避や衝突の被害を軽減するなどの制御を行います。

また、アクセル操作を電圧に変換することで、ドライバーの意思をエンジンECUに伝達するアクセルセンサーもシャシ系に含まれます。

ボディ系のECUに属するのは、ワイパーや自動ドア、パワーウィンドウ、キーレスエントリー、電動ドアミラー、車内照明、LEDヘッドライト、TPMS（タイヤ空気圧監視システム）、イモビライザー（盗難防止装置）などのECUです。

主に、ボディ系ECUはドライバーや同乗者の利便性や快適性を高める制御を行います。

ボディ系ECUには、キーレスエントリーのドアロックやイモビライザーなど、エンジンが切れている状態でも作動する必要があるECUがあることが特徴です。

マルチメディア系のECUには、カーナビゲーションやETC、各種オーディオ、バックモニターなどのECUが分類されます。

例えば、カーナビゲーションECUは、画像処理IC、GPSセンサーECU、電子地図メモリーなどで構成され、車両位置の表示や目的地への誘導を実現します。

このように、情報システムを制御するECUが分類されます。

車載のECUにおいては、車特有の環境への対応も求められますが、ADAS用途においては、それに追加して様々な要求への対応が必要です。

車載ECUの種類は、接続するセンサーにより求められる要求が異なります。

下記ではその種類をいくつかご紹介いたします。

1.センサー（ミリ波、ソナーセンサー）を用いたECU

上記は現行のECUで運転支援を行っており、経済性と制御性を実現したECUです。

センサーの出力は距離のデータやIDが付与された物票データとなり、比較的シンプルなアルゴリズムが搭載されます。

現在でもリヤトラフィックアラート、ACC(Adaptive Cruise Control System:アダプティブクルーズコントロール)などのECUとして活用されています。

2.カメラを用いたECU

最近のADAS支援では、単眼カメラとミリ波を組み合わせたり、ステレオカメラで周辺の環境を認識する制御などが存在し、画像処理を行うことができるECUも存在します。

これまでのソナーセンサー、ミリ波センサーのように車両の周辺情報を線でとらえるのではなく、面でとらえることが、カメラにより実現しました。


その背反として、カメラの画像を処理する為のCPUや処理チップの性能が求められたり、消費電力の増加などがあるようです。

また、処理時に熱が発生する為、画像処理用のECUには、排熱用のフィンなども設計要件として求められるケースがあります。

また、近年のカメラを使ったADAS開発においては、ステレオカメラ“アイサイト”を使った運転支援などが注目を浴びていますが、新しい手法としてディープラーニング（深層学習）を使った画像認識技術が様々開発されています。


この認識には学習データとなる画像を増やせば増やすほど、認識精度を大幅に向上させることが可能です。

そのデメリットとして、深層学習に使う（画像処理プロセッサー）は消費電力が大きいため、電動化に向かう自動車においては走行距離が低下してしまうなどの懸念があります。

今後の課題として、消費電力の低減・計算負荷の軽減が求められています。

3.LiDARを用いたECU

3つめのECUの種類として、LiDARを使ったADASのECUが開発されています。

LiDARとはLight Detection and Rangingの略称で光や太陽光などの外乱に強いことから、次期のセンシングデバイスとして開発されています。


この特徴としては、光を飛ばして、その距離を複数点で計測できる為、ミリ波やソナーセンサーよりも多くの情報が収集でき、カメラの画像よりもデータ処理の負荷が軽く抑えられる傾向にあります。

単純な物体や障害物の有無を検出するのであれば、ある一定方向の距離をセンシングすることで制御に反映することは可能ですが、点群の認識となると、カメラの認識と同様のプロセスが必要となります。


しかしLiDARの場合には、認識をする為に検出したい対象物の正解データ（教師データ）が必要です。正解データとは、認識をしたい対象をとらえた際の点群の形状データとなります。

そのデータを参考にし認識アルゴリズムを作成します。カメラに比べると計算処理の負荷は低下すると思われますが、カメラよりも情報量が少ない中で、認識結果の精度とカメラ同様の計算処理の負荷を作成することがLiDARを用いたECUにも求められることになります。


上記のカメラやLiDARを使ったECUの開発においては、ディープラーニングによる画像認識機能を備えた車載AIコンピューターの開発を巡って、開発競争が行われています。

その筆頭には、米半導体メーカーのエヌビディア、半導体最大手の米インテルがおり、そこに国内メーカーとしてはデンソーと東芝がタッグを組み、低消費電力型のAIコンピューターの開発を行っています。

ADASにおけるECUの役割としては、外部のセンシング結果を受けて誤認識を避け、高速に処理を行うことが求められます。


処理スピードも自動車の制御になると100Hzレベル以上の処理スピードが必要となります。

実際に100km/hで走行している時には、例えば100Hzで処理をしたとして、処理間（0.01秒）で30cm進んでしまうため、安全に運転を支援するためには高速な処理が求められます。


開発における課題として、ミリ波レーダー、LiDAR(ライダー)、超音波(ソナー)センサ、レーザーなどの多様なセンサーのセンシング結果とカメラ（ビデオ）ベースのシステムから得られる膨大なデータの視覚化と演算スピードの高速化、処理アルゴリズムの簡易化、またその出力結果の妥当性、新制御の実走行検査や検証が必要です。