CN101395648A - 本车路线确定方法和本车路线确定设备 - Google Patents

本车路线确定方法和本车路线确定设备 Download PDF

Info

Publication number
CN101395648A
CN101395648A CNA2007800072116A CN200780007211A CN101395648A CN 101395648 A CN101395648 A CN 101395648A CN A2007800072116 A CNA2007800072116 A CN A2007800072116A CN 200780007211 A CN200780007211 A CN 200780007211A CN 101395648 A CN101395648 A CN 101395648A
Authority
CN
China
Prior art keywords
bus
train route
route line
value
predetermined value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2007800072116A
Other languages
English (en)
Other versions
CN101395648B (zh
Inventor
麻生和昭
金道敏树
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN101395648A publication Critical patent/CN101395648A/zh
Application granted granted Critical
Publication of CN101395648B publication Critical patent/CN101395648B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

从预测的车辆路线备选项中选择安全性和行驶效率之间具有协调性的车辆路线。操作通过评估用于预测的车辆路线备选项中每个的车辆安全性而确定的安全性评估值以及通过评估预定的车辆备选项中每个的行驶效率而确定的效率评估值(步骤S403，S409)。选择满足包括预设的安全性评估值并且超出预定值(在步骤S412中为“是”)的安全条件并且具有最大效率评估值的车辆路线备选项作为车辆行驶路线(在步骤S413、S414中为“是”)。根据情况适当地确定允许安全性评估值的预定值(步骤S401)。因此，例如，即使在满足安全性标准的范围内稍微降低安全性的情况下在也能够确定车辆路线同时允许选择超车道以提早到达目的地。

Description

本车路线确定方法和本车路线确定设备
技术领域
本发明涉及从多个预测的本车路线备选项中确定一个本车路线备选项作为最优可行驶路线的本车路线确定方法和本车路线确定设备，更具体地，本发明涉及适于本车自动驾驶的本车路线确定方法和本车路线确定设备。
背景技术
近年来，为了实现汽车的自动驾驶曾进行了多种尝试。为了实现汽车的自动驾驶，在车辆行驶的同时正确地检测车辆周围的例如车辆、行人和障碍物等物体以及基于检测的结果来避免危险是非常重要的。作为一种用于高准确度地检测周围物体的技术，使用各种传感器和雷达的物体检测技术是已知的。
另一方面，作为用于在驾驶期间避免危险的技术，用于本车及多个物体的系统的技术是已知的，这些技术使用关于本车的位置和速度的信息以及关于本车之外的多个物体的位置和速度的信息来生成包括本车在内的物体的预期路线，并预测组成该系统的物体中的两个物体碰撞的可能性(例如参见非专利文献1)。此技术基于概率论根据相同框架的操作序列预测组成该系统的所有物体的可能路线，并且输出所预测的路线。此后，基于所预测的结果确定并输出对包括本车在内的整个系统能够实现最安全情况的路线。
非专利文献1：Broadhurst，S.Baker及T.Kanade，“Monte CarloRoad Safety Reasoning”，IEEE Intelligent Vehicle Symposium(IV2005)，IEEE，(2005年6月)。
发明内容
本发明要解决的问题
但是，通过由非专利文献1中所描述的技术进行的预测所确定的路线常常不合理，这是因为该技术致力于预测对于组成该系统的所有物体都安全的路线。例如，在高速路上，如果一车辆在相同的行车车道上以低速行驶在本车之前时，本车的驾驶员就会认为自己能够超车。但是，由于简单地尾随着其它较慢的车辆更安全，所以基于该预测就会选择尾随其它车辆的路线作为安全路线。这样，有时就会延迟到达目的地的时间。简言之，虽然这种技术能够实现极高的行驶安全性，但是其行驶效率可能非常低。
鉴于上述原因做出本发明，本发明的目的是提供一种能够从多个所预测的本车路线备选项中确定出适合的本车路线的本车路线确定方法和本车路线确定设备。
解决问题的手段
为了解决上述的问题并且实现目的，根据本发明的本车路线确定方法包括以下步骤：计算多个预测的本车路线备选项中每个的第一评估值；计算所述多个本车路线备选项中每个的第二评估值；从所述多个本车路线备选项中选择第一评估值高的本车路线备选项；从所选择的本车路线备选项中选择第二评估值高的本车路线备选项作为适合的本车路线备选项；以及选择所述适合的本车路线备选项中的任一个作为本车路线。
另外，根据本发明的本车路线确定方法包括以下步骤：计算多个预测的本车路线备选项中每个的第一评估值；计算所述多个本车路线备选项中每个的第二评估值；从所述多个本车路线备选项中选择第一评估值高的本车路线备选项；以及从所选择的本车路线备选项中选择第二评估值最高的本车路线备选项作为本车的可行驶路线。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，在从所述多个本车路线备选项中选择第一评估值高的本车路线备选项的步骤中，选择所述第一评估值高于预定值的本车路线备选项。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，在从所述多个本车路线备选项中选择第二评估值高的本车路线备选项的步骤中，选择所述第二评估值高于预定值的本车路线备选项。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，所述第一评估值是表示本车安全性评估的值。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，所述第二评估值是表示本车行驶效率评估的值。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，进一步包括输入和设定所述预定值的步骤。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，在输入和设定所述预定值的步骤中，可变地设定所述预定值。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，在输入和设定所述预定值的步骤中，可变地设定所述预定值使得所述预定值根据加速器踏板的踩踏量而增加。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，在输入和设定所述预定值的步骤中，可变地设定所述预定值使得所述预定值根据制动踏板的踩踏量而降低。
另外，在根据本发明的本车路线确定方法中，在上述本发明的一个方面，在输入和设定所述预定值的步骤中，根据与行驶模式相关的模式选择开关的操作可变地设定所述预定值。
另外，根据本发明的本车路线确定设备包括：第一计算器，其计算多个预测的本车路线备选项中每个的第一评估值；第二计算器，其计算所述多个本车路线备选项中每个的第二评估值；以及选择器，其从所述多个本车路线备选项中选择第一评估值高的本车路线备选项，从所选择的本车路线备选项中选择第二评估值高的本车路线备选项作为适合的本车路线备选项，并且选择所述适合的本车路线备选项中的任一个作为本车路线。
另外，根据本发明的本车路线确定设备包括：第一计算器，其计算多个预测的本车路线备选项中每个的第一评估值；第二计算器，其计算所述多个本车路线备选项中每个的第二评估值；以及选择器，其从所述多个本车路线备选项中选择第一评估值高的本车路线备选项，并且从所选择的本车路线备选项中选择第二评估值最高的本车路线备选项作为本车的可行驶路线。
另外，在根据本发明的本车路线确定设备中，在上述本发明的一个方面，当从所述多个本车路线备选项中选择第一评估值高的本车路线备选项时，所述选择器选择所述第一评估值高于预定值的本车路线备选项。
另外，在根据本发明的本车路线确定设备中，在上述本发明的一个方面，当从所述多个本车路线备选项中选择第二评估值高的本车路线备选项时，所述选择器选择所述第二评估值高于预定值的本车路线备选项。
另外，在根据本发明的本车路线确定设备中，在上述本发明的一个方面，所述第一评估值是表示本车安全性评估的值。
另外，在根据本发明的本车路线确定设备中，在上述本发明的一个方面，所述第二评估值是表示本车行驶效率评估的值。
另外，根据本发明的本车路线确定设备进一步包括预定值输入单元，其输入和设定所述预定值。
另外，在根据本发明的本车路线确定设备中，在上述本发明的一个方面，所述预定值输入单元可变地设定所述预定值。
另外，在根据本发明的本车路线确定设备中，在上述本发明的一个方面，所述预定值输入单元可变地设定所述预定值，使得所述预定值根据加速器踏板的踩踏量而增加。
另外，在根据本发明的本车路线确定设备中，在上述本发明的一个方面，所述预定值输入单元可变地设定所述预定值，使得所述预定值根据制动踏板的踩踏量而降低。
另外，在根据本发明的本车路线确定设备中，在上述本发明的一个方面，所述预定值输入单元根据与行驶模式相关的模式选择开关的操作可变地设定所述预定值。
本发明的效果
根据本发明的本车确定方法和本车确定设备相对于多个预测的本车路线备选项中的每个来计算本车的第一评估值和第二评估值，从多个本车路线备选项中选择第一评估值和第二评估值都高的本车路线备选项作为适合的本车路线备选项，并且选择适合的本车路线备选项中的任一个作为本车路线，由此能够通过适当地设定第一评估值和第二评估值来确定适合的本车路线。
另外，根据本发明的本车路线确定方法和本车路线确定设备相对于多个预测的本车路线备选项中的每个来计算第一评估值和第二评估值，并且从多个本车路线备选项中的第一评估值高的本车路线备选项中选择第二评估值最高的本车路线备选项作为本车的可行驶路线，由此能够通过适当地设定第一评估值和第二评估值来确定适合的本车路线。
具体地，由于根据本发明的本车路线确定方法和本车路线确定设备计算表示相对于多个预测的本车路线备选项中每个的本车安全性评估的第一评估值以及表示本车路线备选项中每个的行驶效率评估的第二评估值，并且从多个本车路线备选项中的第一评估值高于设定的预定值的本车路线备选项中选择第二评估值最大的本车路线备选项作为本车的可行驶路线，由此能够在理想地协调安全性和行驶效率的同时根据情况通过适当地设定用于容许第一评估值的预定值来确定本车路线。例如，即使在满足安全性标准的范围内稍微降低安全性的情况下，为实现及早地到达目的地，也容许选择超车路线。
附图说明
图1是本发明一个实施方式的本车路线确定设备的功能性构造的示意性框图；
图2是根据一个实施方式的物体路线预测方法和本车路线确定方法的整个过程程序的流程图；
图3是在轨迹生成器中进行的轨迹生成过程的详细流程图；
图4是在三维时间-空间中生成的轨迹的示意图；
图5是在三维时间-空间中所生成的一个物体的轨迹集合的示意图；
图6是通过物体路线预测方法形成的时间-空间环境构造的示意图；
图7是在干涉评估器/动作选择器中进行的路线确定过程的示例的流程图；
图8是在本车路线安全性评估器中进行的干涉程度计算过程的示例的流程图；
图9是示出在时间-空间中本车的轨迹和其它车辆的轨迹之间的关系的示意图；
图10是表示物体间干涉的时间依赖性的特性曲线；以及
图11是基于在时间-空间环境中的本车和其它车辆之间的总干涉程度的干涉评估示例的示意图。
符号说明
1  本车路线确定设备
6  干涉评估器/动作选择器
8  预定值输入单元
61 本车路线安全性评估器
62 本车路线效率评估器
63 基于设定的最有效路线选择器
具体实施方式
下面将参照附图详细描述根据本发明的本车路线确定方法和本车路线确定设备的示例性实施方式。本发明并不局限于这些实施方式。在不偏离本发明的范围的情况下，可以对所述实施方式做出多种变型。
图1是根据本发明一个实施方式的本车路线确定设备的功能性构造的示意性框图。本车路线确定设备安装在本车——行驶于道路上的汽车——上，以检测存在于本车的预定周围范围内的例如其它车辆等障碍物并且在考虑所检测到的障碍物的情况下确定用于自动地驾驶本车的本车路线。
根据所述实施方式的本车路线确定设备1包括：输入单元2，其输入来自外部的各种信息；传感器单元3，其检测存在于预定范围内的物体的位置和内部状态；轨迹生成器4，其基于由传感器单元3检测的结果来生成代表在用时间和空间构造的时间-空间中物体随时间流逝的可能位置变化的轨迹；预测单元5，其使用由轨迹生成器4生成的轨迹来做出例如本车和其它车辆等物体的路线的概率预测；干涉评估器/动作选择器6，其基于在预测单元5中的物体预测结果来计算本车和其它车辆之间干涉的概率，以选择最优的可行驶路线作为本车路线；存储单元7，其存储由轨迹生成器4生成的例如在时间-空间中的轨迹以及预测单元5预测的结果等信息；预定值输入单元8，其用于将预定值输入和设定在存储单元7中，以便用于干涉评估器/动作选择器6中；以及输出端子9，其接收由干涉评估器/动作选择器6选择的输出结果(操作信号)。
输入单元2具有接收信息——例如用于预测诸如本车和其它车辆等移动物体的路线的各种设定信息等——的输入的功能。输入单元2利用例如远程控制器、键盘(包括允许从显示器输入的触摸屏装置)、点击装置(例如鼠标和触控鼠标板)等实现。可替代地，可以设置麦克风作为输入单元2，使得能够通过声音输入信息。
传感器单元3利用毫米波雷达、激光雷达、图像传感器等实现。传感器单元3包括例如速度传感器、加速度传感器、舵角传感器以及角速度传感器等各种传感器，并且能够检测本车的移动状态。由传感器单元3检测到的物体的内部状态对物体的预测很重要，并且优选是物体的例如速度、加速度、角速度以及角加速度等物理量。在此，例如本车等移动物体的例如速度和角速度之类物理量自然可以是零(意味着物体停止)。
轨迹生成器4包括：操作选择器41，其从多个操作中选择用于例如本车和其它车辆等移动物体的操作；物体操作器42，其执行预定时间段的由操作选择器41选择的操作；以及判定单元43，其在物体操作器42的操作之后判定例如本车和其它车辆等移动物体的位置和内部状态是否满足预定条件。预测单元5通过使用从轨迹生成器4输出的用于例如本车和其它车辆等每个移动物体的轨迹输出来执行物体路线的概率预测计算。
干涉评估器/动作选择器6包括：本车路线安全性评估器61，其通过计算由预测单元5预测的多个本车路线备选项中的每个与其它车辆之间的例如碰撞等干涉的可能性来计算表示本车安全性评估的安全性评估值(第一评估值)；本车路线效率评估器62，其计算表示由预测单元5预测的多个本车路线备选项中每个的行驶效率评估的效率评估值(第二评估值，例如其是表示车辆能够多快地到达目的地的评估值)；以及基于设定的最有效路线选择器63，其在多个本车路线备选项中选择安全性评估值超出预定的设定值而满足安全条件并且效率评估值最高的本车路线备选项作为本车的可行驶路线。
预定值输入单元8允许设定和输入由基于设定的最有效路线选择器63操作的过程中使用的预定值，以用于判定每个本车路线备选项的安全性评估值在安全性方面是否可接受。例如，能够采用加速器踏板、制动踏板以及行驶模式的模式选择开关(其在例如运动模式和豪华模式之间切换)等作为预定值输入单元8。
除由轨迹生成器4生成的轨迹和由预测单元5预测的结果外，存储单元7还存储用于由轨迹生成器4的操作选择器41进行选择的操作。另外，存储单元7包括预定值存储单元71，预定值存储单元71存储由预定值输入单元8输入和设定的预定值，并且将所存储的预定值提供给基于设定的最有效路线选择器63以用于判定过程。存储单元7利用只读存储器(ROM)和随机存取存储器(RAM)实现，在只读存储器中预先存储有根据本实施方式的启动预定操作系统(OS)的程序、物体路线预测程序、本车路线确定程序等，在随机存取存储器中存储用于每个过程的操作参数、数据等。可替代地，存储单元7能够利用接口和与接口相对应的计算机可读记录介质以使得计算机可读记录介质能够安装在设置于本车路线确定设备1中的接口内的方式实现。
在具有上述功能性构造的本车路线确定设备1中，轨迹生成器4、预测单元5、干涉评估器/动作选择器6以及存储单元7利用设置有具有计算和控制功能的中央处理单元(CPU)的处理器(计算机)10来实现。本车路线确定设备1的CPU通过读取存储于存储单元7中的信息和来自存储单元7的例如物体路线预测程序和本车路线确定程序等各种程序来执行与根据本实施方式的物体路线预测方法和本车路线确定方法有关的计算过程。
根据本实施方式的物体路线预测方法和本车路线确定程序能够记录在例如硬盘、软盘、CD-ROM、DVD-ROM、闪存以及磁光盘等计算机可读记录介质上，并可广泛应用。
下面描述根据本发明实施方式的物体路线预测方法和本车路线确定方法。图2是根据本实施方式的物体路线预测方法和本车路线确定方法的整个过程程序的流程图。在下面的描述中，假设对其执行预测的例如本车和其它车辆等移动物体在二维平面上移动。但是，根据本实施方式的物体路线预测方法和本车路线确定方法能够适用于控制在三维空间中移动的物体或具有任意自由度的致动器(例如机械手)。
首先，传感器单元3检测存在于预定范围内的其它车辆等移动物体相对于本车的位置和内部状态，并且将所检测到的信息存储在存储单元7中(步骤S1)。此后，假设用速度(更具体地说，速度v和方向θ)来规定物体的内部状态。在步骤S1中，传感器单元3还检测本车的内部状态并且将所检测的信息存储在存储单元7中。
轨迹生成器4通过使用由传感器单元3所输入的检测结果来生成例如本车和其它车辆等每个移动物体的未来轨迹(步骤S2)。图3是在轨迹生成器4中进行的轨迹生成过程的详细流程图。图3基于如下假设，即由传感器单元3所检测到的物体(包括本车)的总数为I，并且轨迹生成器4为每个物体Oi(1≤i≤I，i是自然数；因此，I和Ni两者都是自然数)执行Ni次用于生成轨迹的计算。轨迹生成的时间(轨迹生成时间)用T(>0)表示。
首先进行初始化。在初始化过程中，将用于识别物体的计数器i的值设定为1，并且将用于表示同一物体的轨迹生成次数的计数器n的值设定为1(步骤S201)。
其次，轨迹生成器4从存储单元7读取由传感器单元3检测的结果并且将所读取的检测结果设定为初始状态(步骤S202)。具体地，将时间t设定成零，并且将初始位置(xi(0)，yi(0))和初始内部状态(vi(0)，θi(0))分别设定为从传感器单元3输入的信息(xi0，yi0)和(vi0，θi0)。
接下来，操作选择器41根据预先赋予每个操作的操作选择概率来从多个可选择的操作中选择一个操作作为在随后的时间Δt期间将要执行的操作ui(t)(步骤S203)。表示操作uic的选择概率的操作选择概率P(uic)由预定随机数和可选择作为ui(t)的操作集合{uic}的每个元素之间的关联性定义。可以赋予各个操作uic不同的操作选择概率P(uic)。可替代地，可以赋予操作集合{uic}中所有元素相等的概率。在后一种情况下，P(uic)＝1/(可选择操作的总数)。另外，操作选择概率P(uic)能够由依赖于本车的位置和内部状态与周围道路环境的函数来定义。
通常，操作uic包括多个元素，并且可选择操作的内容对于每种物体Oi均不同。例如，如果物体Oi是四轮车辆，则四轮车辆的加速度和角速度根据转向的方式和踩踏加速器的方式来确定。鉴于此，当物体Oi是四轮车辆时，基于例如加速度和角速度等因素确定对物体Oi执行的操作uic。另一方面，当物体Oi是行人时，则操作uic可以用速度和方向来规定。
下面描述操作uic的设定的更具体的示例。当物体Oi是汽车时，将加速度设定在-10至+30千米/小时/秒的范围内，并且将转向角设定在-7至+7度/秒的范围内(在每种情况下，都用符号来表示方向)，而当物体Oi是行人时，将速度设定在0至36千米/小时的范围内，并且将方向设定在0到360度的范围内。在这里所提到的量都是连续量。在这种情况下，可以进行适当的离散化以使形成该操作集合{uic}的各个操作的元素为有限个。
接下来，物体操作器42将在步骤S203中选择的操作uic执行时间Δt(步骤S204)。例如，时间Δt可以设定为近似为0.1至0.5秒。Δt可以是常值或依赖于例如周围环境的紧急程度的可变值。在下面的描述中，Δt是常值。轨迹生成时间T是Δt的整数倍。
接下来，判定单元43判定在步骤S204中的操作uic之后物体Oi的内部状态是否满足预定的控制条件(步骤S205)。判定单元43还判定在操作uic之后物体Oi的位置是否在可移动区域之内(步骤S206)。在步骤S205中的判定过程中使用的控制条件根据物体Oi的类型来确定。例如，当物体Oi是四轮车辆时，控制条件基于在步骤S204中的操作之后的速度范围和在步骤S204中的操作之后具有最大加速度的车辆G来确定。另一方面，在步骤S206中的判定过程中使用的可移动区域是例如道路(包括车辆道路和人行道)等区域。下文中，当物体在可移动区域内时，就认为“满足移动条件”。
如果判定单元43的判定结果为任一个条件不满足(在步骤S205中为“否”或在步骤S206中为“否”)，则程序返回到步骤S202。另一方面，如果发现判定单元43的判定结果为在步骤S204中的操作uic之后物体Oi的位置和内部状态满足所有条件(在步骤S205中为“是”并且在步骤S206中为“是”)，则时间提前Δt(t←t+Δt)，并且将在步骤S204中的操作之后位置和内部状态分别设定为(xi(t)，yi(t))和(vi(t)，θi(t))(步骤S207)。
反复执行上述在步骤S202至S207中的过程，直到轨迹生成时间T结束。如果在步骤S207中新定义的时间t没有达到T(在步骤S208中为“否”)，则程序返回到步骤S203以重复执行所述过程。另一方面，如果在步骤S207中新定义的时间t达到T(在步骤S208中为“是”)，则将用于物体Oi的轨迹输出并且存储在存储单元7中(步骤S209)。
图4是通过随着时间t＝0，Δt，2Δt，......，T的流逝重复从步骤S203至S207的一系列过程来生成的用于物体Oi的轨迹的示意图。在图4中，轨迹Pi(m)(1≤m≤Ni，m是自然数)经过具有两个空间维度(x，y)和一个时间维度(t)的三维时间-空间(x，y，t)。当轨迹Pi(m)投影到x-y平面上时，能够获得物体Oi在二维空间(x，y)中的预测路线。
如果在步骤S209之后计数器n的值未达到Ni(在步骤S210中为“否”)，则计数器n的值加1(步骤S211)，并且程序返回到步骤S203。然后，反复执行从步骤S203至S208的过程，直到轨迹生成时间T结束。
当在步骤S210中计数器n的值达到Ni时(在步骤S210中为“是”)，则完成用于物体Oi的所有轨迹的生成。图5是在三维时间-空间中示意性地示出为单个物体Oi所生成的由Ni个轨迹Pi(1)，Pi(2)，......，Pi(Ni)组成的轨迹集合{Pi(n)}的说明性图。作为该轨迹集合{Pi(n)}的元素的每个轨迹的起始点——换言之，即初始位置(xi0，yi0，0)——是相同的(参见步骤S202)。图5仅是示意图，例如Ni的值能够设定为几千或更多。
如果在步骤S210中计数器n达到Ni，并且用于物体识别的计数器i的值没有达到物体的总数I(在步骤S212中为“否”)，则计数器i的值加1，并且将用于轨迹生成计数的计数器n的值初始化为1(步骤S213)。随后，程序返回到步骤S202并且重复该过程。另一方面，如果用于物体识别的计数器i的值达到I(在步骤S212中为“是”)，则意味着对所有物体都完成了轨迹生成。因此，在步骤S2中的轨迹生成过程完成并且程序前进到步骤S3。
当对于由传感器单元3所检测到的所有物体都执行了预定时间的轨迹生成过程时，就会形成时间-空间环境Env(P)。时间-空间环境Env(P)构造有在三维时间-空间中预定范围内的多个物体能够取得的轨迹集合。图6是示意性地示出时间-空间环境Env(P)的构造的示例的说明性图。图6中所示的时间-空间环境Env(P)由物体O1的轨迹集合{P1(n)}(在图6中以实线示出)和物体O2的轨迹集合{P2(n)}(在图6中以虚线示出)组成。更具体地，时间-空间环境Env(P)表示在类似于高速公路的平直道路R上沿+y轴方向移动的两个物体O1和O2的时间-空间环境。在该实施方式中，对于每个物体独立地执行轨迹生成过程而不考虑这两物体之间的相关性。因此，有时不同物体的轨迹在时间-空间中交叉。
在图6中，在时间-空间中的每个区域内的该轨迹集合{Pi(n)}(i＝1，2)的每单位体积密度是时间-空间中每个区域内物体Oi的存在概率密度(下文称作“时间-空间概率密度”)。因此，基于步骤S2中的轨迹生成过程形成的时间-空间环境Env(P)能够得到物体O1经过三维时间-空间中预定区域的概率。由于时间-空间概率密度仅是对于此时间-空间的概率性概念，所以在时间-空间中一个物体的时间-空间概率密度之和并不总是1。
如果预先将轨迹生成时间T的具体值设定至常值，则优选将轨迹生成时间T的具体值设定为这样的值，即，使得在时间达到值T后如果该轨迹生成过程继续，则在时间-空间中的概率密度分布相同。即，优选将T的具体值设定成使得时间达到T之后的计算没有意义。例如，当物体是通常行驶中的四轮车辆时，将T设定成近似5秒(T＝5)一样低的值。在这种情况下，如果在步骤S204中的操作时间Δt近似为0.1至0.5秒，则将从步骤S203至S207的一系列过程重复10至50次以生成每个轨迹Pi(m)。
另外，优选地设定不同的值作为例如高速公路、一般道路以及双车道道路等每种道路的轨迹生成时间T，并且通过使用如下方法从一个值切换到另一个值，即，基于位置数据从映射数据读取本车当前行驶的道路类型的方法，或者通过使用利用图像识别等的道路识别设备来读取道路类型的方法。
另外，优选的是，基于在轨迹生成时间T结束之前通过计算获得的轨迹统计地评估在时间-空间中的概率密度分布，并且执行适应性控制从而在分布相同时缩短轨迹生成时间T并且在分布不相同时延长轨迹生成时间T。
另外，可以预先准备本车的(多条)可能路线，并且仅在达到轨迹生成时间T时进行预测，在该轨迹生成时间T之后本车路线与其它物体的路线相交的概率恒定。在这种情况下，可以设定一种条件使得当本车的每个可能路线的危险程度的增量变为恒定时停止预测，所述危险程度的增量对应于预测时间的每个增量Δt。当采用这种构造时，不用说，所进行的设定使得在将来侧本车的可能路线的端点在空间中得以广泛分布，从而能够获取信息以确定保证安全的当前路线。
在如上所述用于每个物体的轨迹生成过程之后，预测单元5执行对例如本车和其它车辆等每个物体的可能路线(路线备选项)的概率预测(步骤S3)。下面，作为预测单元5中预测计算过程的具体示例，将描述对为物体Oi生成的轨迹集合{Pi(n)}中具体轨迹Pi(m)的选择概率的计算。但是，很显然下面仅是预测计算的示例。
当为物体Oi生成Ni个轨迹(路线备选项)时，Ni个轨迹中变成实际轨迹的一个轨迹Pi(m)的概率p(Pi(m))按如下方式进行计算。如果用于实现物体Oi的轨迹Pi(m)的操作序列{uim(t)}是{uim(0)，uim(Δt)，uim(2Δt)，......，uim(T)}，则在时间t处选择操作uim(t)的概率是p(uim(t))。因此，在时间t＝0至T的时间段上执行操作序列{uim(t)}的概率为：
[公式1]
p ( u im ( 0 ) ) · p ( u im ( Δt ) ) · p ( u im ( 2 Δt ) ) · · · p ( u im ( T ) ) = Π t T p ( u im ( t ) )
因此，当为物体Oi取得Ni个轨迹的轨迹集合{Pi(n)}时，物体Oi的一个可能轨迹Pi(m)被选择的概率p(Pi(m))为：
[公式2]
p ( P i ( m ) ) = Π t = 0 T p ( u im ( t ) ) Σ n = 1 N i ( Π t = 0 T p ( u im ( t ) ) ) - - - ( 2 )
如果所有操作uim(t)都被以相等的概率p0选取时(其中0<p0<1)，公式(1)变成
[公式3]
&Pi; t = 0 T p ( u im ( t ) ) = p 0 s - - - ( 3 )
因此，如果从t＝0到t＝T的离散步骤的个数表示为s，则包括在物体Oi的Ni个可能轨迹中的轨迹Pi(m)的概率之和表示为Nkp0 s。将公式(3)代入公式(2)，则其中一个轨迹Pi(m)被选择的概率p(Pi(m))为：
[公式4]
p ( P i ( m ) ) = 1 N i - - - ( 4 )
因此，概率p(Pi(m))并不取决于轨迹Pi(m)。
如果在公式(4)中对于所有物体来说生成的轨迹(路线备选项)的个数都相等(并且为N)，则由于N1＝N2＝......＝NI＝N(常值)，所以不论物体Oi如何，p(Pi(m))都等于1/N并且恒定。在这种情况下，概率p(Pi(m))的值的归一化能够简化预测单元5中的预测计算，并且允许更快速地操作预定预测计算。
预测单元5基于为每个物体Oi(i＝1，2，......，I)计算出的概率p(Pi(m))来取得在三维时间-空间的每个区域中每单位体积中物体Oi存在的概率。存在的概率对应于在三维时间-空间中的轨迹集合{Pi(n)}的时间-空间概率密度。在经过轨迹的密度高的区域中，存在的概率通常也高。
在上述步骤S3之后，干涉评估器/动作选择器6在基于预测单元5中预测的结果来评估本车和其它车辆之间干涉的同时确定本车的最优路线(步骤S4)并且将结果输出到输出端子9(步骤S5)。图7是在干涉评估器/动作选择器6中进行的干涉评估/路线选择过程的流程图。首先检查预定值输入单元8是否对预定值进行了可变输入设定(步骤S401)。当对预定值进行了可变输入(在步骤S401中为“是”)时，将所输入的预定值存储在存储单元7的预定值存储单元71中(步骤S402)。可以预先在预定值存储单元71中设定预定值。
随后，接下来为由预测单元5为本车生成和预测的多个本车路线备选项中的每个计算表示本车安全性评估的安全性评估值和表示本车行驶效率评估的效率评估值。安全性评估值和效率评估值用于路线确定。首先，计算多个本车路线备选项中第一本车路线备选项的安全性评估值S(1)和效率评估值E(1)(步骤S403)。本车的安全性评估值通过如下步骤获得：例如基于碰撞概率来计算其它车辆和本车路线备选项之间干涉的可能性，并且对可能性程度进行评估而作为干涉程度。当干涉程度增加时，其它车辆的碰撞可能性等增加。所述评估并不限于基于碰撞可能性的评估，而且也可以是基于碰撞冲击程度、由于碰撞引起的经济损失程度以及最短碰撞时间量程度的干涉程度。本车的效率评估值是表示对例如车辆能够多快地到达目的地进行评估的值。当从当前位置到目的地的可行进距离更长时，所预测的本车路线备选项获得较高的效率评估值。可以基于例如执行加速、减速和转向时的平滑度、燃料成本、到达目的地的预测时间等多个因素为每个所预测的本车路线备选项执行本车的行驶效率评估。
下面参照图8描述后面提及的在步骤S403、S409中用于计算安全性评估值的干涉评估过程等。图8是在本车路线安全性评估器61中进行的干涉程度计算过程的示例的流程图。在下面的描述中，假设O1是本车。另外，为了方便说明，假设其它物体Ok(＝2，3，......，K)均为四轮车辆，并且整体称为其它车辆Ok。在图8中所示的干涉评估过程包括四个循环过程，并且评估在步骤S3中得到的本车O1的轨迹集合{P1(n1)}的所有元素与其它车辆Ok的所有轨迹集合{Pk(nk)}之间的干涉。计算安全性评估值作为干涉程度。
首先，用于本车O1的所有轨迹的循环过程(循环1)开始(步骤S441)。此时，轨迹集合{P1(n1)}中的一个轨迹被选择，并且对所选择的轨迹P1(m1)执行接下来的过程。
其次，用于其它车辆Ok的循环过程(循环2)开始(步骤S442)。在循环2中，用于识别其它车辆的计数器k被初始化为2，并且计数值k的值在每次循环过程结束时增加。
还关于在步骤S3中产生的轨迹集合{Pk(nk)}的所有元素执行用于其它车辆Ok的循环过程(循环3)(步骤S443)。在循环过程中，将由用于标识循环1的重复次数——换言之，用于标识为本车O1所产生的轨迹——的值n1和用于标识其它车辆的计数器k所确定的干涉程度设定为r1(n1，k)，并且将r1(n1，k)的值设定为0(步骤S444)。
接下来，用于评估本车O1的轨迹P1(n1)和其它车辆Ok的轨迹Pk(nk)之间的干涉的循环过程(循环4)开始(步骤S445)。在循环4中，按顺序在时间t＝0，Δt，......，T处获取两个轨迹P1(n1)和Pk(nk)之间的位置坐标(x，y)的差值。因为每个轨迹的位置被限定为车辆的中心，所以当两个轨迹之间的空间位置坐标(x，y)之差变得小于预定值(例如车辆的标准宽度或长度)时，可以认为本车O1与其它车辆Ok相碰撞。
图9是在时间-空间中本车O1的轨迹P1(n1)和其它车辆Ok的轨迹Pk(nk)之间关系的示意图。在图9中，轨迹P1(n1)和轨迹Pk(nk)在两个点C1和C2处互相交叉。因此，在两个点C1和C2周围存在这样的区域A1和A2，即，在A1和A2内在相同时间点处两个轨迹之间的距离小于预定值。因此，当两个轨迹P1(n1)和Pk(nk)位于区域A1和A2内时，则判定本车O1和其它车辆Ok相撞。从图9中很明显能够看出，在根据本实施方式形成的时间-空间环境中，即使当两个轨迹曾经相撞过，也生成接下来的轨迹。这是因为用于每个物体的轨迹是单独生成的。
在获得位置坐标(x，y)的差值之后，当本车O1和其它车辆Ok在上述意义上相撞时(步骤S446中为“是”)，干涉程度r1(n1，k)的值如下列方式增加(步骤S447)：
[公式5]
r1(n1，k)←r1(n1，k)+C1k·p(Pk(nk))·F(t)    (5)
下面将描述第二项C1k·p(Pk(nk))·F(t)。首先，C1k是正的常值，并且例如能够设定为C1k＝1。另外，p(Pk(nk))是用公式(2)限定的值并且表示一个轨迹Pk(nk)被选择的概率。另外，最后的F(t)是给定物体间干涉的时间依赖性的值。因此，当不必对轨迹间干涉给定时间依赖性时，将F(t)设定为常值。另一方面，当对轨迹间干涉给定时间依赖性时，例如如图10中所示，可以将F(t)限定为其值随时间流逝而逐渐减小的函数。当采用图10中所示的F(t)时，越是最近的碰撞的权重越大并且更被关心。
在步骤S447之后，如果时间t未达到T(步骤S448中为“否”)，则重复循环4。在这种情况下，t的值增加Δt(步骤S449)，并且程序返回到步骤S445以重复循环4。另一方面，如果在步骤S447之后时间t达到T(步骤S448中为“是”)，则循环4结束。如果在时间t处本车O1不与其它车辆Ok相撞，则程序直接前进到判定过程以判定是否重复循环4(步骤S448)。
通过如上所述的循环4的重复过程，随着碰撞的次数增加，干涉程度r1(n1，k)的值变高。在循环4结束后，在步骤S450中执行判定过程以判定是否重复循环3。具体地，当还没有执行为其它车辆Ok生成的任一轨迹关于本车O1的一个轨迹P1(n1)的干涉评估时(步骤S450中为“否”)，则将nk设定成nk+1(步骤S451)，并且程序返回到步骤S443以重复循环3。
另一方面，当已经执行了为其它车辆Ok生成的所有轨迹关于本车O1的一个轨迹P1(n1)的干涉评估时(步骤S450中为“是”)，则意味着其它车辆Ok的一个轨迹Pk(nk)的干涉评估结束。从而获得表示本车O1的轨迹P1(n1)和其它车辆Ok的所有轨迹之间的干涉评估的最终干涉程度r1(n1，k)(步骤S452)，并且将所获得的值输出和存储在存储单元7中(步骤S453)。
在步骤S453中输出的干涉程度r1(n1，k)的值依赖于从其它车辆Ok的所有轨迹中选择一个轨迹Pk(nk)的概率p(Pk(nk))。因此，如果公式(5)中的C1k独立于k并且取值恒定(例如C1k＝1)，并且F(t)取值恒定(例如1)，则干涉程度r1(n1，k)是轨迹集合{Pk(nk)}的所有元素中每个轨迹Pk(nk)的概率p(Pk(nk))以及该轨迹Pk(nk)与本车O1的轨迹P1(n1)之间碰撞次数的乘积之和。这正好表示本车O1的一个轨迹P1(n1)和其它车辆Ok的可能轨迹之间相撞的概率。因此，所获得的作为干涉程度r1(n1，k)的最终值正比于本车O1的一个轨迹P1(n1)和其它车辆Ok之间相撞的概率。
在步骤S453之后，执行判定过程以判定是否重复循环2。如果仍然存在应当对其关于本车O1执行干涉评估的其它车辆Ok(在步骤S454中为“否”)，则k的值加1(步骤S455)并且程序返回到步骤S442以重复循环2。另一方面，如果不存在应当对其关于本车O1执行干涉评估的其它车辆Ok(在步骤S454中为“是”)，则程序前进到步骤S456。
在步骤S456中，以与其它车辆Ok相关的权重α(k)(>0)对通过循环2至循环4获得的干涉程度r1(n1，k)进行加权处理。然后，将总干涉程度
[公式6]
R 1 ( n 1 ) = &Sigma; k = 2 K &alpha; ( k ) r 1 ( n 1 , k ) - - - ( 6 )
计算为进行了加权处理的干涉程度的总和，并且将所计算出的结果输出并存储在存储单元7中。权重α(k)的值可以设定成等于常值(例如1)，或者可以根据依赖于物体Ok的类型等情况的危险程度设定。因此，可以计算出在包括所有其它车辆O2，...，Ok的整个时间-空间环境中对于本车O1的轨迹P1(n1)的总干涉程度。
例如，如在图11中所示的时间-空间环境Env(P1，P2，P3)中，当多个其它车辆存在于本车O1周围的预定范围内时，更优选地基于时间-空间环境中的总干涉程度R1(n1)执行干涉评估，而不是基于关于其它车辆O2和O3相应干涉程度r1(n1，2)和r1(n1，3)执行干涉评估，因为这样能够更适当地避免危险。
总干涉程度可以设定为：
[公式7]
R 1 ( n 1 ) = max k ( &alpha; ( k ) r 1 ( n 1 , k ) ) .
在这种情况下，将最危险的物体Ok的危险程度视为总干涉程度。根据这种技术，当与少数物体干涉并且不与其余大多数物体干涉时，所计算出的总干涉程度将整体变低，由此可以避免做出与人们直觉相反的安全性判定。
在接下来的步骤S457中，执行判定过程以判定是否重复循环1。具体地，当在本车O1的轨迹集合{P1(n1)}中仍然存在应当为其执行干涉评估的轨迹时(在步骤S457中为“否”)，n1的值加1(步骤S458)并且该程序返回到步骤S441以重复循环1。另一方面，当在本车O1的轨迹集合{P1(n1)}中不存在应当为其执行干涉评估的轨迹时(在步骤S457中为“是”)，则循环1结束并且干涉程度计算过程结束。
在步骤S447中用以增加干涉程度r1(n1，k)的C1k和F(t)的值并不总是恒定不变。例如，可以将系数C1k设定为本车O1和其它车辆Ok相撞时相对速度的大小。一般而言，相对速度的大小越大，碰撞时的冲击越大。因此，当将系数C1k设定为车辆之间相对速度的大小时，车辆相撞时的冲击程度能够反映在干涉程度r1(n1，k)中。
可替代地，表示破坏严重性的值可以代替系数C1k。在这种情况下，可以获得相撞时车辆之间相对速度的大小和破坏等级评估值——其为破坏等级的量化评估——和/或经济损失额之间的关系并将该关系存储在存储单元7中，并且所存储的值可以从存储单元7读出并且分配给系数C1k。当传感器单元3具有检测物体种类的功能时，破坏等级评估值和/或经济损失额可以根据物体的种类进行确定。在这种情况下，与车辆相撞的情况相比，优选的是，可以通过例如为与行人相撞的情况设定非常大的C1k值来尽可能地降低与行人相撞的可能性。
当本车路线效率评估器62基于到达目的地之前所经过的时间有多短来评估行驶效率时，可以基于关于每个预测的本车路线备选项的操作时间间隔t(例如0.1秒或0.5秒)期间的移动位移y或者在控制时间tmax(例如5秒)期间的行进距离y进行评估。当行进距离y变长时，效率评估值增加。
返回到图7中所示的过程，将安全路线“safetypath”和最优路线“bestpath”分别初始化为“non”(意味着没有这种路线)(步骤S403)。将变量i设定为1(步骤S404)，并且计算第i个本车路线备选项的安全性评估值S(i)(相应于图8中所描述的总干涉程度)和效率评估值E(i)(步骤S405)。首先，判定“safetypath”是否为“non”(没有)(步骤S406)。如果“safetypath”不是“non”(没有)(在步骤S406中为“否”)，则判定所计算出的安全性评估值S(i)是否小于安全性评估值的最小值Smin(步骤S407)。当“safetypath”为“non”(没有)时(在步骤S406中为“是”)，或者当安全性评估值S(i)小于最小值Smin时(在步骤S407中为“是”)，将安全性评估值的最小值Smin设定为S(i)并且将“safetypath”设定为i(其表示第i个本车路线备选项)(步骤S408)。
接下来，判定安全性评估值S(i)是否超出设定在预定值存储单元71中的预定值而满足安全条件(步骤S410)。在此，“超出预定值”意味着安全性评估值表示低于设定的预定值的值，并且因此具有比预定值的安全性更高的安全性(换言之，风险更低)。当安全性评估值S(i)超出预定值而满足安全条件时(步骤S410中为“是”)，接下来判定“bestpath”是否为“non”(没有)(步骤S411)。当“bestpath”不是“non”(没有)时(步骤S411中为“non”)，判定所计算出的效率评估值E(i)是否大于效率评估值的最大值Emax(步骤S412)。当“bestpath”是“non”(没有)时(步骤S411中为“是”)或当效率评估值E(i)大于最大值Emax时(步骤S412中为“是”)，将效率评估值的最大值Emax设定为E(i)，并且将“bestpath”设定为i(其表示第i个本车路线备选项)(步骤S413)。
随后，变量i增加1(步骤S414)并且对于所有预测的本车路线备选项中的每个重复相同的过程(步骤S415)。当用于所有本车路线备选项的过程都结束(步骤S415中为“是”)且“bestpath”仍然为“non”并且不能找到最优路线时，将在步骤S408中获得的“safetypath”设定为“bestpath”(步骤S416)。随后，将在步骤S413或步骤S416中获得的最优路线“bestpath”＝i的操作信息输出到输出端子9侧(步骤S417)。换言之，将第i个本车路线备选项选择为本车的可行驶路线，并且将对应于第i个本车路线备选项(轨迹)的相关信息x(t)和u(t)输出到输出端子9侧。
当根据安全性优先的原则选择本车的可行驶路线时，可以适当地选择安全性评估值S(i)为最小值Smin的“safetypath”＝i的本车路线备选项。但是，在本实施方式中，考虑到可选地设定在满足安全标准的范围内的预定值，认为超出预定值而满足安全性条件的多个本车路线备选项在安全性方面是等同的，并且选择在上述本车路线备选项中效率评估值为最大效率评估值Emax的“bestpath”＝i的本车路线备选项。因此，例如，即使安全性可能会在满足安全标准(因为驾驶员通过其本人的决定接受驾驶风险)的范围内稍微降低，也能够接受对通行路线的选择，使得本车能够更快地达到目的地，由此能够按实际情况确定本车路线，从而实现协调安全性和行驶效率。
当对应于输出端子9的致动器单元是由用于自动驾驶的电控系统直接驱动的方向盘、加速器或制动器本身时，能够使用从基于设定的最有效路线选择器63输出的操作信号(对应于所选择的路线的x(t)和u(t))直接执行方向盘、加速器或制动器的操作。另一方面，当对应于输出端子9的致动器单元是对方向盘、加速器踏板或制动踏板进行操作的致动器(对应于驾驶员的腿和手)时，基于从基于选定的最有效路线选择器63输出的操作信号(对应于所选择的轨迹的x(t)和u(t))计算操作扭矩，并且可以将所计算出的扭矩施加到用于操作的方向盘、加速器或制动器。具体在这种情况下，由于人操作的自动操作可能会超驰，所以该设备不仅能够适用于自动驾驶，而且还能够用于驾驶操作辅助设备。
接下来将描述限定安全性评估值的可接受水平的预定值的设定。例如，预定值输入单元8可以是加速器踏板，并且可以以使得所述预定值根据驾驶员对加速器踏板的踩踏量从初始设定值增加的方式可变得设定预定值。当加速器踏板的踩踏量从当前行驶状态增加时，驾驶员知道与本车行驶相关的行驶风险增加。因此，可以将增大的踩踏量看作是表示驾驶员想要优先保证行驶效率的意向(换言之，要更快地达到目的地)。从而，可以将与加速器踏板的踩踏量相关联的预定值的可变设定(增加行驶风险)看作实际量度。
类似地，预定值输入单元8可以是制动踏板，并且可以以使得预定值根据驾驶员对制动踏板的踩踏量从初始设定值或从当前设定值减小的方式可变地设定预定值。可以将制动踏板从当前行驶状态增加的踩踏量看作表示驾驶员想要尽可能避免本车行驶风险的意向。从而，可以将与制动踏板的踩踏量相关联的预定值的可变设定(降低行驶风险)看作实际量度。
另外，当预定值输入单元8是与行驶模式相关的模式选择开关(或杆)并且行驶模式包括豪华模式和运动模式时，可以以使得预定值根据驾驶员的操作从初始设定值增加的方式可变地设定预定值以便选择运动模式。因为驾驶员知道通过选择运动模式使本车行驶中的行驶风险增加，所以可以将这种选择看作表示驾驶员想要通过加速来优先保证行驶效率的意向(换言之，要更快地达到目的地)。因此，可以将与模式选择开关的选择操作相关联的预定值的可变设定看作是实际量度。
另外，限定安全性评估值的可接受水平的预定可变值的上限可以由汽车保险公司根据保险的保险额以不可改变方式设定成固定值。具体地，限定能够通过加速器踏板等的操作改变的预定值的可变范围的上限可以根据保险公司和个人驾驶员之间的保险合同预先固定地设定。保险公司可以与本车的个人驾驶员制定对应于上限值的保险额的保险合同。上限限定了危险程度的可接受范围。当驾驶员接受的上限高时，行驶风险也高。因此，保险额也高。另一方面，当驾驶员接受的上限低时，行驶风险也低，因此保险额也低。因而，可以根据行驶风险和行驶效率制定适当的保险合同。
在本实施方式中，表示本车的安全性评估的安全性评估值用作第一评估值，表示本车的行驶效率评估的效率评估值用作第二评估值。但是，第一评估值和第二评估值可以是不同于安全性评估值和效率评估值的其它评估值。另外，当基于第二评估值选择本车路线备选项时，所选择的本车路线备选项不必具有最大的第二评估值，也可以替代地选择第二评估值为第二最高或第二评估值为第三最高的本车路线备选项。简言之，只要选择的本车路线备选项的第二评估值不是最低，则能够选择任意的本车路线备选项。因此，当从多个本车路线备选项中确定本车路线时，可以首先选择第一评估值高的本车路线备选项，然后从所选择的本车路线备选项中选择第二评估值高的本车路线备选项作为适合的本车路线备选项，并且选择适合的本车路线备选项中的任意一个。
工业实用性
从以上描述可知，根据本发明的本车路线确定方法和本车路线确定设备对于将多个预测的本车路线备选项中的一个确定为最优可行驶路线是有用的，并且尤其适于实现本车的自动驾驶。

Claims (22)

1.一种本车路线确定方法，包括：
计算多个预测的本车路线备选项中每个的第一评估值；
计算所述多个本车路线备选项中每个的第二评估值；
从所述多个本车路线备选项中选择第一评估值高的本车路线备选项；
从所选择的本车路线备选项中选择第二评估值高的本车路线备选项作为适合的本车路线备选项；以及
选择所述适合的本车路线备选项中的任一个作为本车路线。
2.一种本车路线确定方法，包括：
计算多个预测的本车路线备选项中每个的第一评估值；
计算所述多个本车路线备选项中每个的第二评估值；
从所述多个本车路线备选项中选择第一评估值高的本车路线备选项；以及
从所选择的本车路线备选项中选择第二评估值最高的本车路线备选项作为本车的可行驶路线。
3.如权利要求1或2所述的本车路线确定方法，其中，在从所述多个本车路线备选项中选择第一评估值高的本车路线备选项的步骤中，选择所述第一评估值高于预定值的本车路线备选项。
4.如权利要求1所述的本车路线确定方法，其中，在从所述多个本车路线备选项中选择第二评估值高的本车路线备选项的步骤中，选择所述第二评估值高于预定值的本车路线备选项。
5.如权利要求1至4中任一项所述的本车路线确定方法，其中，所述第一评估值是表示本车安全性评估的值。
6.如权利要求1至5中任一项所述的本车路线确定方法，其中，所述第二评估值是表示本车行驶效率评估的值。
7.如权利要求3所述的本车路线确定方法，进一步包括输入和设定所述预定值的步骤。
8.如权利要求7所述的本车路线确定方法，其中，在输入和设定所述预定值的步骤中，可变地设定所述预定值。
9.如权利要求8所述的本车路线确定方法，其中，在输入和设定所述预定值的步骤中，可变地设定所述预定值使得所述预定值根据加速器踏板的踩踏量而增加。
10.如权利要求8所述的本车路线确定方法，其中，在输入和设定所述预定值的步骤中，可变地设定所述预定值使得所述预定值根据制动踏板的踩踏量而降低。
11.如权利要求8所述的本车路线确定方法，其中，在输入和设定所述预定值的步骤中，根据与行驶模式相关的模式选择开关的操作可变地设定所述预定值。
12.一种本车路线确定设备，包括：
第一计算器，其计算多个预测的本车路线备选项中每个的第一评估值；
第二计算器，其计算所述多个本车路线备选项中每个的第二评估值；以及
选择器，其从所述多个本车路线备选项中选择第一评估值高的本车路线备选项，从所选择的本车路线备选项中选择第二评估值高的本车路线备选项作为适合的本车路线备选项，并且选择所述适合的本车路线备选项中的任一个作为本车路线。
13.一种本车路线确定设备，包括：
第一计算器，其计算多个预测的本车路线备选项中每个的第一评估值；
第二计算器，其计算所述多个本车路线备选项中每个的第二评估值；以及
选择器，其从所述多个本车路线备选项中选择第一评估值高的本车路线备选项，并且从所选择的本车路线备选项中选择第二评估值最高的本车路线备选项作为本车的可行驶路线。
14.如权利要求12或13所述的本车路线确定设备，其中，当从所述多个本车路线备选项中选择第一评估值高的本车路线备选项时，所述选择器选择所述第一评估值高于预定值的本车路线备选项。
15.如权利要求12所述的本车路线确定设备，其中，当从所述多个本车路线备选项中选择第二评估值高的本车路线备选项时，所述选择器选择所述第二评估值高于预定值的本车路线备选项。
16.如权利要求12至15中任一项所述的本车路线确定设备，其中，所述第一评估值是表示本车安全性评估的值。
17.如权利要求12至16中任一项所述的本车路线确定设备，其中，所述第二评估值是表示本车行驶效率评估的值。
18.如权利要求14所述的本车路线确定设备，进一步包括预定值输入单元，其输入和设定所述预定值。
19.如权利要求18所述的本车路线确定设备，其中，所述预定值输入单元可变地设定所述预定值。
20.如权利要求19所述的本车路线确定设备，其中，所述预定值输入单元可变地设定所述预定值，使得所述预定值根据加速器踏板的踩踏量而增加。
21.如权利要求19所述的本车路线确定设备，其中，所述预定值输入单元可变地设定所述预定值，使得所述预定值根据制动踏板的踩踏量而降低。
22.如权利要求19所述的本车路线确定设备，其中，所述预定值输入单元根据与行驶模式相关的模式选择开关的操作可变地设定所述预定值。
CN2007800072116A 2006-03-01 2007-03-01 本车路线确定方法和本车路线确定设备 Expired - Fee Related CN101395648B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2006055441 2006-03-01
JP055441/2006 2006-03-01
PCT/JP2007/053955 WO2007102405A1 (ja) 2006-03-01 2007-03-01 自車進路決定方法および自車進路決定装置

Publications (2)

Publication Number Publication Date
CN101395648A true CN101395648A (zh) 2009-03-25
CN101395648B CN101395648B (zh) 2011-05-11

Family

ID=38474836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007800072116A Expired - Fee Related CN101395648B (zh) 2006-03-01 2007-03-01 本车路线确定方法和本车路线确定设备

Country Status (5)

Country Link
US (1) US8457892B2 (zh)
EP (1) EP1990788B1 (zh)
JP (1) JP4743275B2 (zh)
CN (1) CN101395648B (zh)
WO (1) WO2007102405A1 (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101859494A (zh) * 2009-04-06 2010-10-13 通用汽车环球科技运作公司 车队车辆管理
CN102549633A (zh) * 2009-10-14 2012-07-04 罗伯特·博世有限公司 用于确定机动车的周围环境中的至少一个可行驶区域的方法
CN102598083A (zh) * 2009-10-30 2012-07-18 丰田自动车株式会社 驾驶辅助装置
CN104290750A (zh) * 2013-07-15 2015-01-21 福特全球技术公司 车辆的撞击后路径协助
CN104658295A (zh) * 2013-11-22 2015-05-27 福特全球技术公司 自主车辆识别
CN105916749A (zh) * 2014-01-16 2016-08-31 罗伯特·博世有限公司 用于运行车辆的方法
CN105984461A (zh) * 2015-03-17 2016-10-05 富士重工业株式会社 车辆的行驶控制装置
CN106125076A (zh) * 2016-07-13 2016-11-16 南京慧尔视智能科技有限公司 一种应用于城市交通的防撞雷达预警方法与装置
CN106335513A (zh) * 2015-07-10 2017-01-18 沃尔沃汽车公司 具有先进驾驶员辅助和自主驾驶的车上时间智能使用的方法和系统
CN106652557A (zh) * 2015-10-28 2017-05-10 现代自动车株式会社 用于预测邻近车辆的驾驶路径的方法和系统
CN108028019A (zh) * 2015-09-18 2018-05-11 大陆汽车有限责任公司 用于机动车辆起动辅助的设备和方法
CN108693878A (zh) * 2017-04-06 2018-10-23 丰田自动车株式会社 前进路线设定装置以及前进路线设定方法
CN109017777A (zh) * 2017-06-09 2018-12-18 丰田自动车株式会社 驾驶辅助装置
CN109109865A (zh) * 2017-06-23 2019-01-01 长城汽车股份有限公司 车辆位置检测方法与装置以及一种车辆
CN111095384A (zh) * 2017-09-22 2020-05-01 索尼公司 信息处理设备、自主移动设备、方法和程序
CN111724598A (zh) * 2020-06-29 2020-09-29 北京百度网讯科技有限公司 用于规划路径的方法、装置、设备以及存储介质
CN112005284A (zh) * 2018-04-24 2020-11-27 罗伯特·博世有限公司 用于将车辆的未来驾驶操纵与至少一个同伴车辆的同伴操纵进行协作协调的方法和设备
CN112005184A (zh) * 2018-04-24 2020-11-27 罗伯特·博世有限公司 用于将车辆的未来驾驶操纵与至少一个同伴车辆的同伴操纵进行协作协调的方法和设备

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8793066B2 (en) 2006-06-27 2014-07-29 Microsoft Corporation Route monetization
US7610151B2 (en) 2006-06-27 2009-10-27 Microsoft Corporation Collaborative route planning for generating personalized and context-sensitive routing recommendations
US8606512B1 (en) 2007-05-10 2013-12-10 Allstate Insurance Company Route risk mitigation
US10157422B2 (en) 2007-05-10 2018-12-18 Allstate Insurance Company Road segment safety rating
US10096038B2 (en) 2007-05-10 2018-10-09 Allstate Insurance Company Road segment safety rating system
US9932033B2 (en) 2007-05-10 2018-04-03 Allstate Insurance Company Route risk mitigation
JP4941240B2 (ja) * 2007-11-12 2012-05-30 トヨタ自動車株式会社 走行軌跡生成方法及び走行軌跡生成装置
JP5029329B2 (ja) * 2007-12-05 2012-09-19 トヨタ自動車株式会社 走行軌跡生成方法及び走行軌跡生成装置
US8090532B2 (en) 2007-12-14 2012-01-03 Microsoft Corporation Pedestrian route production
US8060297B2 (en) 2007-12-14 2011-11-15 Microsoft Corporation Route transfer between devices
US8473198B2 (en) 2007-12-14 2013-06-25 Microsoft Corporation Additional content based on intended travel destination
US8428859B2 (en) 2007-12-14 2013-04-23 Microsoft Corporation Federated route production
JP5029377B2 (ja) * 2008-01-15 2012-09-19 トヨタ自動車株式会社 走行軌跡生成装置及び走行軌跡生成方法
US20090210142A1 (en) * 2008-02-19 2009-08-20 Microsoft Corporation Safe route configuration
US20090210302A1 (en) * 2008-02-19 2009-08-20 Microsoft Corporation Route reward augmentation
JP5120049B2 (ja) * 2008-04-25 2013-01-16 トヨタ自動車株式会社 車両の走行制御装置
JP5262986B2 (ja) * 2009-03-05 2013-08-14 日産自動車株式会社 走行経路生成装置、走行経路生成方法、及び運転操作支援装置
WO2011021588A1 (ja) * 2009-08-20 2011-02-24 日本電気株式会社 移動体軌跡識別システム
US20120277955A1 (en) * 2009-12-28 2012-11-01 Yoshiaki Irie Driving assistance device
JP2012058780A (ja) * 2010-09-03 2012-03-22 Toyota Motor Corp 環境マップ作成装置及び方法、行動予測装置及び方法
DE102010045461A1 (de) * 2010-09-14 2012-03-15 Siemens Aktiengesellschaft Verfahren zur Visualisierung der Gleisbelegung
WO2012046297A1 (ja) 2010-10-05 2012-04-12 トヨタ自動車株式会社 衝突判定装置
EP2562060B1 (en) 2011-08-22 2014-10-01 Honda Research Institute Europe GmbH A method and system for predicting movement behavior of a target traffic object
JP5979352B2 (ja) * 2012-04-16 2016-08-24 セイコーエプソン株式会社 情報処理装置、移動予測システム及び移動予測方法
US9037399B2 (en) 2012-06-20 2015-05-19 Microsoft Technology Licensing, Llc Pluggable route-planning module
JP5866008B2 (ja) 2012-06-27 2016-02-17 三菱電機株式会社 推奨走行パターン生成装置及び推奨走行パターン生成方法
JP5981332B2 (ja) * 2012-12-21 2016-08-31 株式会社日本自動車部品総合研究所 走行経路生成装置
KR20140104610A (ko) * 2013-02-20 2014-08-29 한국전자통신연구원 조명 통신을 이용한 실시간 이동 경로 추정 장치 및 방법
US9147353B1 (en) 2013-05-29 2015-09-29 Allstate Insurance Company Driving analysis using vehicle-to-vehicle communication
US9340207B2 (en) * 2014-01-16 2016-05-17 Toyota Motor Engineering & Manufacturing North America, Inc. Lateral maneuver planner for automated driving system
US9390451B1 (en) 2014-01-24 2016-07-12 Allstate Insurance Company Insurance system related to a vehicle-to-vehicle communication system
US10096067B1 (en) 2014-01-24 2018-10-09 Allstate Insurance Company Reward system related to a vehicle-to-vehicle communication system
US9355423B1 (en) 2014-01-24 2016-05-31 Allstate Insurance Company Reward system related to a vehicle-to-vehicle communication system
US9940676B1 (en) 2014-02-19 2018-04-10 Allstate Insurance Company Insurance system for analysis of autonomous driving
US10783586B1 (en) 2014-02-19 2020-09-22 Allstate Insurance Company Determining a property of an insurance policy based on the density of vehicles
US10783587B1 (en) 2014-02-19 2020-09-22 Allstate Insurance Company Determining a driver score based on the driver's response to autonomous features of a vehicle
US10803525B1 (en) 2014-02-19 2020-10-13 Allstate Insurance Company Determining a property of an insurance policy based on the autonomous features of a vehicle
US10796369B1 (en) 2014-02-19 2020-10-06 Allstate Insurance Company Determining a property of an insurance policy based on the level of autonomy of a vehicle
JP6298322B2 (ja) * 2014-02-27 2018-03-20 株式会社ゼンリン 経路探索装置、経路探索方法およびプログラム
US10008111B1 (en) * 2015-01-26 2018-06-26 State Farm Mutual Automobile Insurance Company Generating emergency vehicle warnings
CA3067177A1 (en) 2015-02-10 2016-08-18 Mobileye Vision Technologies Ltd. Sparse map for autonomous vehicle navigation
US10269075B2 (en) 2016-02-02 2019-04-23 Allstate Insurance Company Subjective route risk mapping and mitigation
JP6308233B2 (ja) 2016-02-29 2018-04-11 トヨタ自動車株式会社 車両制御装置及び車両制御方法
WO2017159539A1 (ja) * 2016-03-15 2017-09-21 本田技研工業株式会社 車両制御装置、車両制御方法、および車両制御プログラム
CN105922994B (zh) * 2016-04-21 2018-08-03 深圳市元征科技股份有限公司 一种生成指示车辆直线行驶方向的方法及装置
JP6572847B2 (ja) 2016-08-10 2019-09-11 トヨタ自動車株式会社 自動運転システム
JP6583185B2 (ja) 2016-08-10 2019-10-02 トヨタ自動車株式会社 自動運転システム及び自動運転車両
JP6468261B2 (ja) 2016-08-10 2019-02-13 トヨタ自動車株式会社 自動運転システム
JP6520862B2 (ja) 2016-08-10 2019-05-29 トヨタ自動車株式会社 自動運転システム
DE102017001707A1 (de) * 2017-02-22 2018-08-23 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) Benachrichtigung über einen geschätzten Bewegungspfad eines Fahrzeugs
CN107180277B (zh) * 2017-05-24 2020-03-27 江西理工大学 应用精英反向和声搜索的无人机巡检路径规划方法
US10348487B2 (en) 2017-07-20 2019-07-09 International Business Machines Corporation Game data offloading to a blockchain
GB2570887B (en) * 2018-02-07 2020-08-12 Jaguar Land Rover Ltd A system for a vehicle
JP7111517B2 (ja) * 2018-06-14 2022-08-02 シャープ株式会社 走行装置、走行装置の走行制御方法、走行装置の走行制御プログラムおよび記録媒体
JP7225816B2 (ja) * 2019-01-17 2023-02-21 マツダ株式会社 車両運転支援装置
CN109739246B (zh) * 2019-02-19 2022-10-11 阿波罗智能技术(北京)有限公司 一种变换车道过程中的决策方法、装置、设备及存储介质
US11364936B2 (en) * 2019-02-28 2022-06-21 Huawei Technologies Co., Ltd. Method and system for controlling safety of ego and social objects
US10726642B1 (en) 2019-03-29 2020-07-28 Toyota Motor North America, Inc. Vehicle data sharing with interested parties
US10896555B2 (en) 2019-03-29 2021-01-19 Toyota Motor North America, Inc. Vehicle data sharing with interested parties
US10535207B1 (en) 2019-03-29 2020-01-14 Toyota Motor North America, Inc. Vehicle data sharing with interested parties
WO2020242065A1 (ko) * 2019-05-31 2020-12-03 주식회사 라운지랩 위험도 판단에 기초한 로봇 움직임 제어 방법 및 이를 이용한 이동 로봇 장치
JP7136054B2 (ja) 2019-08-29 2022-09-13 トヨタ自動車株式会社 車両制御システム
JP7120186B2 (ja) 2019-08-29 2022-08-17 トヨタ自動車株式会社 車両制御システム
US11345342B2 (en) * 2019-09-27 2022-05-31 Intel Corporation Potential collision warning system based on road user intent prediction
JP2021142788A (ja) * 2020-03-10 2021-09-24 トヨタ自動車株式会社 運転支援システム
US11858536B1 (en) * 2020-10-31 2024-01-02 Uatc, Llc Systems and methods for interactive prediction and planning
US11884304B2 (en) 2021-09-08 2024-01-30 Ford Global Technologies, Llc System, method, and computer program product for trajectory scoring during an autonomous driving operation implemented with constraint independent margins to actors in the roadway
WO2023053165A1 (ja) * 2021-09-28 2023-04-06 株式会社Subaru 運転支援装置及びコンピュータプログラムを記録した記録媒体

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2840946B2 (ja) * 1988-04-13 1998-12-24 本田技研工業株式会社 ナビゲーション装置における推奨ルートの検索表示方法
JP2782135B2 (ja) * 1991-12-18 1998-07-30 本田技研工業株式会社 車両走行案内装置
JP3214122B2 (ja) * 1993-01-19 2001-10-02 三菱電機株式会社 危険状況警報装置
JP2799375B2 (ja) 1993-09-30 1998-09-17 本田技研工業株式会社 衝突防止装置
JPH07225612A (ja) 1994-02-15 1995-08-22 Fujitsu Ltd 時間軸を探索空間に取り入れた経路探索方法，及び装置
JP3218865B2 (ja) 1994-06-28 2001-10-15 富士通株式会社 時間軸を探索空間に取り入れた経路探索装置
JP3277837B2 (ja) * 1996-03-15 2002-04-22 トヨタ自動車株式会社 変速機の制御装置
JPH10207504A (ja) * 1997-01-20 1998-08-07 Komatsu Ltd 人工知能機械および人工知能機械システム
JP3017956B2 (ja) * 1997-03-26 2000-03-13 運輸省船舶技術研究所長 飛行場管制支援システム
US6253129B1 (en) * 1997-03-27 2001-06-26 Tripmaster Corporation System for monitoring vehicle efficiency and vehicle and driver performance
JP3653954B2 (ja) 1997-10-23 2005-06-02 トヨタ自動車株式会社 移動体交通制御システムの移動体装置、移動体交通制御システムの管制局、移動体交通制御システム
US6192314B1 (en) * 1998-03-25 2001-02-20 Navigation Technologies Corp. Method and system for route calculation in a navigation application
US6266610B1 (en) 1998-12-31 2001-07-24 Honeywell International Inc. Multi-dimensional route optimizer
DE10036276A1 (de) * 2000-07-26 2002-02-07 Daimler Chrysler Ag Automatisches Brems- und Lenksystem für ein Fahrzeug
KR100776860B1 (ko) * 2000-09-08 2007-11-16 레이던 컴퍼니 경로 예측 시스템 및 방법
JP3586713B2 (ja) * 2001-03-05 2004-11-10 国土交通省国土技術政策総合研究所長 走行支援情報処理装置
US20030093219A1 (en) * 2001-09-20 2003-05-15 Honeywell Inc. Four-dimensional route planner
JP3848554B2 (ja) * 2001-10-11 2006-11-22 株式会社日立製作所 危険情報集配信装置、警報発生装置、車両危険情報送信装置および経路探索装置
WO2003096068A1 (de) 2002-05-07 2003-11-20 Robert Bosch Gmbh Verfahren zur bestimmung einer unfallgefahr eines ersten objekts mit wenigstens einem zweiten objekt
JP4145644B2 (ja) 2002-12-17 2008-09-03 富士重工業株式会社 車両の走行制御装置
JP3922173B2 (ja) * 2002-12-18 2007-05-30 トヨタ自動車株式会社 運転補助システム及び装置
JP2004212160A (ja) * 2002-12-27 2004-07-29 Matsushita Electric Ind Co Ltd 経路検索装置及び車輌内環境変化用装置
JP4096758B2 (ja) 2003-02-26 2008-06-04 日産自動車株式会社 ナビゲーション装置
JP2005043068A (ja) * 2003-07-22 2005-02-17 Toyota Motor Corp 経路案内装置、センターおよび経路探索方法
JP2005098714A (ja) * 2003-09-22 2005-04-14 Casio Comput Co Ltd ナビゲーションシステム、地図データ提供方法、及び、プログラム
US20060247852A1 (en) * 2005-04-29 2006-11-02 Kortge James M System and method for providing safety-optimized navigation route planning
DE502006005609D1 (de) * 2005-09-15 2010-01-21 Continental Teves Ag & Co Ohg Verfahren und vorrichtung zum lenken eines kraftfahrzeugs
US7579942B2 (en) * 2006-10-09 2009-08-25 Toyota Motor Engineering & Manufacturing North America, Inc. Extra-vehicular threat predictor

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101859494A (zh) * 2009-04-06 2010-10-13 通用汽车环球科技运作公司 车队车辆管理
CN101859494B (zh) * 2009-04-06 2013-08-28 通用汽车环球科技运作公司 车队车辆管理
CN102549633A (zh) * 2009-10-14 2012-07-04 罗伯特·博世有限公司 用于确定机动车的周围环境中的至少一个可行驶区域的方法
CN102549633B (zh) * 2009-10-14 2016-03-02 罗伯特·博世有限公司 用于确定机动车的周围环境中的至少一个可行驶区域的方法
CN102598083A (zh) * 2009-10-30 2012-07-18 丰田自动车株式会社 驾驶辅助装置
US8947218B2 (en) 2009-10-30 2015-02-03 Toyota Jidosha Kabushiki Kaisha Driving support device
CN102598083B (zh) * 2009-10-30 2015-04-22 丰田自动车株式会社 驾驶辅助装置
CN104290750A (zh) * 2013-07-15 2015-01-21 福特全球技术公司 车辆的撞击后路径协助
CN104658295A (zh) * 2013-11-22 2015-05-27 福特全球技术公司 自主车辆识别
CN105916749A (zh) * 2014-01-16 2016-08-31 罗伯特·博世有限公司 用于运行车辆的方法
CN105984461A (zh) * 2015-03-17 2016-10-05 富士重工业株式会社 车辆的行驶控制装置
CN106335513A (zh) * 2015-07-10 2017-01-18 沃尔沃汽车公司 具有先进驾驶员辅助和自主驾驶的车上时间智能使用的方法和系统
CN106335513B (zh) * 2015-07-10 2021-04-06 沃尔沃汽车公司 具有先进驾驶员辅助和自主驾驶的车上时间智能使用的方法和系统
CN108028019A (zh) * 2015-09-18 2018-05-11 大陆汽车有限责任公司 用于机动车辆起动辅助的设备和方法
CN106652557B (zh) * 2015-10-28 2021-03-26 现代自动车株式会社 用于预测邻近车辆的驾驶路径的方法和系统
CN106652557A (zh) * 2015-10-28 2017-05-10 现代自动车株式会社 用于预测邻近车辆的驾驶路径的方法和系统
US10793162B2 (en) 2015-10-28 2020-10-06 Hyundai Motor Company Method and system for predicting driving path of neighboring vehicle
CN106125076A (zh) * 2016-07-13 2016-11-16 南京慧尔视智能科技有限公司 一种应用于城市交通的防撞雷达预警方法与装置
CN108693878A (zh) * 2017-04-06 2018-10-23 丰田自动车株式会社 前进路线设定装置以及前进路线设定方法
CN109017777A (zh) * 2017-06-09 2018-12-18 丰田自动车株式会社 驾驶辅助装置
CN109017777B (zh) * 2017-06-09 2021-07-20 丰田自动车株式会社 驾驶辅助装置
CN109109865A (zh) * 2017-06-23 2019-01-01 长城汽车股份有限公司 车辆位置检测方法与装置以及一种车辆
CN111095384A (zh) * 2017-09-22 2020-05-01 索尼公司 信息处理设备、自主移动设备、方法和程序
CN112005184A (zh) * 2018-04-24 2020-11-27 罗伯特·博世有限公司 用于将车辆的未来驾驶操纵与至少一个同伴车辆的同伴操纵进行协作协调的方法和设备
CN112005284A (zh) * 2018-04-24 2020-11-27 罗伯特·博世有限公司 用于将车辆的未来驾驶操纵与至少一个同伴车辆的同伴操纵进行协作协调的方法和设备
CN111724598A (zh) * 2020-06-29 2020-09-29 北京百度网讯科技有限公司 用于规划路径的方法、装置、设备以及存储介质
CN111724598B (zh) * 2020-06-29 2022-04-05 北京百度网讯科技有限公司 用于自动驾驶规划路径的方法、装置、设备以及存储介质

Also Published As

Publication number Publication date
JP4743275B2 (ja) 2011-08-10
CN101395648B (zh) 2011-05-11
US8457892B2 (en) 2013-06-04
EP1990788A4 (en) 2010-04-07
EP1990788A1 (en) 2008-11-12
JPWO2007102405A1 (ja) 2009-07-23
US20090012703A1 (en) 2009-01-08
WO2007102405A1 (ja) 2007-09-13
EP1990788B1 (en) 2012-09-05

Similar Documents

Publication Publication Date Title
CN101395648B (zh) 本车路线确定方法和本车路线确定设备
US8781720B2 (en) Vehicle travel track estimator
EP3361466B1 (en) Risk-based driver assistance for approaching intersections of limited visibility
JP4211794B2 (ja) 干渉評価方法、装置、およびプログラム
JP6232004B2 (ja) 先進運転者支援システムによりリスクベースの交通シーン分析を行う方法、及び当該分析を行う当該システムを備える乗り物
JP5082433B2 (ja) 移動体周囲危険度判定方法、装置、およびプログラム
JP4062353B1 (ja) 障害物進路予測方法、装置、およびプログラム
US9827985B2 (en) System and method for autonomous navigation of vehicle
CN106133805B (zh) 用于碰撞回避的驾驶辅助方法和系统
CN102576494B (zh) 公路车辆的防撞系统与方法及相关计算机程序产品
CN112965489B (zh) 一种基于碰撞检测的智能车高速换道规划方法
JP4946739B2 (ja) 移動体進路取得方法、および、移動体進路取得装置
JP4730137B2 (ja) 移動体安全性評価方法および移動体安全性評価装置
JP4807385B2 (ja) 干渉評価方法、装置、およびプログラム
US20040153244A1 (en) Method for reducing repeat false alarm indications in vehicle impact detection systems
JP4396653B2 (ja) 物体進路予測方法、装置、およびプログラム
JP2007230454A (ja) 進路設定方法、装置、プログラム、および自動運転システム
WO2007102367A1 (ja) 物体進路予測方法、装置、プログラム、および自動運転システム
JP2015082324A (ja) 予測的運転者支援システムのための複合信頼度推定
JP2011227582A (ja) 車両用衝突予測装置
JP5230770B2 (ja) レーダ装置
KR101998953B1 (ko) 주변 차량의 이동 경로 예측 방법 및 이동 경로 예측을 위한 학습 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20110511

CF01 Termination of patent right due to non-payment of annual fee