CN106164999A - 碰撞防止装置 - Google Patents

Abstract

本发明具备：目标观测传感器(1)，其观测本车(50)的周围的其它车(60)；目标跟踪部(3)，其根据观测结果来跟踪其它车(60)；目标运动预测部(5)，其根据跟踪结果来算出其它车(60)的移动预测范围；目标间碰撞可能性估计部(6)，其根据其它车(60)的移动预测范围的重叠来估计其它车(60)彼此间的碰撞可能性；目标运动重新预测部(7)，其在具有其它车(60)彼此间的碰撞可能性的情况下，为了避免碰撞而重新计算移动预测范围；本装置运动传感器(8)，其观测本车(50)的运动；本装置运动预测部(10)，其根据观测结果来算出本车(50)的移动预测范围；以及本装置碰撞可能性估计部(11)，其根据其它车(60)的最终的移动预测范围与本车(50)的移动预测范围的重叠，来估计本车(50)与其它车(60)的碰撞可能性。

Description

碰撞防止装置

技术领域

本发明涉及预测在搭载有本装置的移动体周围存在的目标的运动来避免与该移动体的碰撞的碰撞防止装置。

背景技术

以往已知有以下这样的系统：采用搭载于移动体(汽车、船舶、飞机等)上的雷达、照相机等传感器来观测周围的目标(汽车、船舶、飞机等)，为了避免该移动体与目标的碰撞而辅助顺利的运行。

关于根据由该传感器获得的信息来辅助运行的技术，在大量的论文、专利文献等中已被举出，关于实现这些技术的装置以及方法已经提出了各种方案。

作为代表性的例子，存在汽车的碰撞防止技术。在该技术中，利用搭载于本车(移动体)的雷达以及光学传感器来观测其它车(目标)，在判定为相对于本车的距离以及接近速度到达阈值的情况下，判定为存在碰撞的可能性，进行警告或控制本车的行驶本身。

另外，在专利文献1所公开的技术中，对本车与其它车的当前时刻的运动估计结果进行外推，计算未来的某时刻中的本车与其它车的预测范围，根据有无它们的重叠来判定碰撞的可能性。例如，在图15中，关于本车50和其它车60计算4个采样时刻量的预测范围。在此例中，在任意的采样时刻，本车50的预测范围与其它车60的预测范围都不重叠，所以，判定为“没有碰撞的可能性”。

现有技术文献

专利文献

专利文献1：日本特开2000-276696号公报

专利文献2：日本特开平8-271617号公报

发明内容

发明要解决的课题

但是，专利文献1所公开的技术是通过对当前时刻的其它车60的运动进行外推来预测其它车60的未来位置。因此，如图16所示，在其它车60突然闯入到本车50的前方的情况下，其它车60的运动预测(图16所示的虚线)与实际运动(图16所示的实线)之间的不一致变大。结果，存在难以预测碰撞的课题。

这里，存在以下这样的情况：闯入的发生原因是，某车辆的前方车缓慢，如果维持车道则具有碰撞的可能性。图17示出一例。在此例中，假设本车50在右车道行驶，其它车60a、60b在左车道行驶，前方的其它车60a的速度远远小于其它车60b的速度。在此情况下，其它车60b为了避免与其它车60a的碰撞，可能闯入到本车50行驶的车道。由此，可认为，通过检测多个车辆(在图17的例子中为其它车60a、60b)的运动，能够预测上述闯入。

本发明是为了解决上述这样的课题而完成的，其目的是提供能够检测多个目标的运动来提高运动预测的精度的碰撞防止装置。

解决问题的手段

本发明的碰撞防止装置具备：目标观测传感器，其观测存在于搭载有本装置的移动体的周围的目标；目标跟踪部，其根据目标观测传感器的观测结果，跟踪目标；目标运动预测部，其根据目标跟踪部的跟踪结果，算出目标的移动预测范围；目标间碰撞可能性估计部，在存在多个目标的情况下，其根据由目标运动预测部算出的目标的移动预测范围的重叠，估计该目标彼此间的碰撞可能性；目标运动重新预测部，其在由目标间碰撞可能性估计部估计为具有目标彼此间的碰撞可能性的情况下，重新计算避免碰撞的该目标的移动预测范围；本装置运动传感器，其观测移动体的运动；本装置运动预测部，其根据本装置运动传感器的观测结果，算出移动体的移动预测范围；以及本装置碰撞可能性估计部，其根据由目标运动预测部或目标运动重新预测部算出的没有目标彼此间的碰撞可能性的该目标的移动预测范围与由本装置运动预测部算出的移动体的移动预测范围的重叠，估计该移动体与该目标的碰撞可能性。

发明效果

根据本发明，因为如上述这样构成，所以能够检测多个目标的运动来提高运动预测的精度。

附图说明

图1是示出本发明实施方式1的碰撞防止装置的结构的框图。

图2是示出本发明实施方式1的碰撞防止装置的处理顺序的流程图。

图3是示出基于本发明实施方式1的碰撞防止装置的车辆的运动模型的图。

图4是示出存在其它车彼此间的碰撞可能性的情况的图。

图5是示出基于本发明实施方式1的碰撞防止装置的重新预测的相应其它车的运动模型选择的图。

图6是示出其它车彼此间的相对运动例的图。

图7是示出利用本发明实施方式1的碰撞防止装置重新预测的预测路径例的图。

图8是示出本发明实施方式2的碰撞防止装置的结构的框图。

图9是示出本发明实施方式2的碰撞防止装置的处理顺序的流程图。

图10是示出其它车的车道变更开始时刻不同的情况的图。

图11是示出其它车可获得的车道移动预测范围的例子的图。

图12是表示本发明实施方式2的可靠度比较部的处理顺序的流程图。

图13是示出利用本发明实施方式2的可靠度比较部算出的可靠度的一例的图。

图14是示出本发明实施方式3的碰撞防止装置的结构的框图。

图15是示出基于现有的碰撞防止装置的本车与其它车的移动预测范围例的图。

图16是示出基于现有的碰撞防止装置的其它车的移动预测范围与发生闯入时的实际运动的差异的图。

图17是示出作为其它车的闯入原因的状况例的图。

具体实施方式

以下，参照附图来详细说明本发明的实施方式。

实施方式1.

图1是示出本发明实施方式1的碰撞防止装置的结构的图。在以下的各实施方式中，说明将本发明的碰撞防止装置应用于汽车的情况。

碰撞防止装置搭载于本车(移动体)50上，预测本车50与存在于其周围的其它车(目标)60的运动，避免本车50与其它车60的碰撞。该碰撞防止装置如图1所示由目标观测传感器1、目标观测值数据存储部2、目标跟踪部3、目标跟踪数据存储部4、目标运动预测部5、目标间碰撞可能性估计部6、目标运动重新预测部7、本装置运动传感器8、本装置运动数据存储部9、本装置运动预测部10、本装置碰撞可能性估计部11、制动判断部12、自动制动部13以及警告产生部14构成。

目标观测传感器1观测在搭载有碰撞防止装置的本车50的周围存在的其它车60。在该目标观测传感器1中，定期地实施存在于周围的其它车60的观测，根据其观测结果来算出其它车60的位置。表示该目标观测传感器1的观测结果的信息(目标观测值数据)被输出至目标观测值数据存储部2。

目标观测值数据存储部2存储来自目标观测传感器1的目标观测值数据。该目标观测值数据存储部2由HDD、DVD、存储器等构成。

目标跟踪部3根据目标观测值数据存储部2所存储的目标观测值数据，来跟踪其它车60。在该目标跟踪部3中，通过对由目标观测传感器1获得的其它车60的位置进行时序处理，估计包含更准确的其它车60的位置以及速度在内的运动要素。表示该目标跟踪部3获得的跟踪结果的信息(目标跟踪数据)被输出至目标跟踪数据存储部4。

目标跟踪数据存储部4存储来自目标跟踪部3的目标跟踪数据。该目标跟踪数据存储部4由HDD、DVD、存储器等构成。

目标运动预测部5根据目标跟踪数据存储部4所存储的目标跟踪数据，算出其它车60的移动预测范围。表示由该目标运动预测部5算出的其它车60的移动预测范围的信息被输出至目标间碰撞可能性估计部6。

在存在多个其它车60的情况下，目标间碰撞可能性估计部6根据由目标运动预测部5算出的其它车60的移动预测范围的重叠，来估计其它车60彼此间的碰撞可能性。表示该目标间碰撞可能性估计部6估计的其它车60彼此间的碰撞可能性的信息被输出至目标运动重新预测部7。

目标运动重新预测部7在目标间碰撞可能性估计部6估计为具有其它车60彼此间的碰撞可能性的情况下，根据目标跟踪数据存储部4所存储的目标跟踪数据，重新计算可避免该碰撞的其它车60的移动预测范围。表示由该目标运动重新预测部7重新计算的其它车60的移动预测范围的信息被输出至本装置碰撞可能性估计部11。

此外，在目标间碰撞可能性估计部6估计为没有其它车60彼此间的碰撞可能性的情况或不存在多个其它车60的情况下，表示由目标运动预测部5算出的其它车60的移动预测范围的信息直接被输出至本装置碰撞可能性估计部11。

本装置运动传感器8观测本车50的运动。该本装置运动传感器8例如由本车行驶仪等构成，观测包含本车50的位置以及速度在内的运动要素。表示该本装置运动传感器8的观测结果的信息(本装置运动数据)被输出至本装置运动数据存储部9。

本装置运动数据存储部9存储来自本装置运动传感器8的本装置运动数据。该本装置运动数据存储部9由HDD、DVD、存储器等构成。

本装置运动预测部10根据本装置运动数据存储部9所存储的本装置运动数据，算出本车50的移动预测范围。表示由该本装置运动预测部10算出的本车50的移动预测范围的信息被输出至本装置碰撞可能性估计部11。

本装置碰撞可能性估计部11根据由目标运动预测部5或目标运动重新预测部7算出的没有其它车60彼此间的碰撞可能性的其它车60的移动预测范围与由本装置运动预测部10算出的本车50的移动预测范围的重叠，估计本车50与其它车60的碰撞可能性。表示由该本装置碰撞可能性估计部11估计的本车50与其它车60的碰撞可能性的信息被输出至制动判断部12。

制动判断部12根据本装置碰撞可能性估计部11的估计结果，判断是否需要本车50的制动。表示该制动判断部12的判断结果的信息被输出至自动制动部13以及警告产生部14。

自动制动部13在制动判断部12判断为需要本车50的制动的情况下，使基于自动制动的本车50的减速功能进行动作。

警告产生部14在制动判断部12判断为需要本车50的制动的情况下，向本车50的驾驶员进行表示在当前时刻需要制动操作的消息提示或声音输出。

此外，通过基于软件的采用CPU的程序处理执行目标跟踪部3、目标运动预测部5、目标间碰撞可能性估计部6、目标运动重新预测部7、本装置运动预测部10、本装置碰撞可能性估计部11、制动判断部12、自动制动部13以及警告产生部14。

接着，参照图2～7，说明如上述构成的碰撞防止装置的处理的流程。

在碰撞防止装置的处理中，如图2所示，首先，目标观测传感器1定期地实施存在于本车50的周围的其它车60的观测，根据其观测结果算出其它车60的位置(步骤ST201，目标观测步骤)。表示该目标观测传感器1的观测结果的信息(目标观测值数据)被输出至目标观测值数据存储部2而存储。

然后，目标跟踪部3根据目标观测值数据存储部2所存储的目标观测值数据，对其它车60的位置进行时序处理(跟踪处理)，由此，估计更准确的其它车60的位置以及速度(步骤ST202，目标跟踪步骤)。即，针对由目标观测传感器1获得的静态的其它车60的位置加上速度信息，从而成为动态的信息，以获得更准确的其它车60的位置。以下，详细地说明目标跟踪部3的处理。

在目标跟踪部3中，首先，从目标观测传感器1读入表示最新的观测时刻的观测结果(观测值)的信息。接着，算出现有航迹的门(gate)。接着，调查所读入的观测值是否处于该门内，确定该观测值能够与哪个航迹相关。这里，航迹将具有由xy的2维空间中的其它车60的位置以及速度构成的下式(1)的4个要素的矢量作为估计要素。

${\underset{\‾}{x}}_k={\left(\begin{array}{cccc}{x}_k& y_k& {\stackrel{\·}{x}}_k& {\stackrel{\·}{y}}_k\end{array}\right)}^T---\left(1\right)$

并且，利用下式(2)计算最新观测时刻k的其它车60的预测矢量X_khat(-)。

${\hat{x}}_k(-)={\mathrm{\Φ}}_{k-1}{\hat{x}}_{k-1}(+)---\left(2\right)$

这里，假定多个汽车的运动。在图3中示出以下这样的情况：作为其它车60的运动，假定了5个运动模型((a)匀速模型(本车道维持)、(b)加速模型(本车道维持)、(c)减速模型(本车道维持)、(d)右车道移动模型(路线变更模型)、(e)左车道移动模型(路线变更模型)。在本实施方式中，汽车进行上述5个运动模型中的任意运动。

此外，作为运动模型，也可以增加“一边减速或加速、一边向右车道或左车道移动的模型”。

另外，上式(2)的转移矩阵(transition matrix)Φ_k-1设定为与各运动模型相应的矩阵。例如，在匀速模型的情况下，转移矩阵Φ_k-1用下式(3)表示。

${\mathrm{\Φ}}_{k-1}=\left(\begin{array}{cccc}1& 0& T& 0\\ 0& 1& 0& T\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right)---\left(3\right)$

这里，T是采样间隔(基于目标观测传感器1的紧前面的观测时刻到当前时刻的经过时间)。另外，X_k-1hat(+)是1个观测时间前的平滑矢量。

另外，根据下式(4)计算预测误差协方差矩阵P_k(-)。

$P_k(-)={\mathrm{\Φ}}_{k-1}{P}_{k-1}(+){\mathrm{\Φ}}_{k-1}^T+Q_{k-1}---\left(4\right)$

这里，P_k-1(+)是1个观测时刻前的平滑误差协方差矩阵。另外，Q_k-1是驱动噪声协方差矩阵，用下式(5)表示。

$Q_{k-1}=\left[\begin{array}{cc}\frac{T^3}{3}{I}_{2\×2}& \frac{T^2}{2}{I}_{2\×2}\\ \frac{T^2}{2}{I}_{2\×2}& {\mathrm{TI}}_{2\×2}\end{array}\right]q---\left(5\right)$

这里，q是预先设定的功率谱密度的参数，I_2×2是2行2列的单位矩阵。

并且，根据下式(6)算出残差协方差矩阵S_k。

$S_k=H_k{P}_k(-)H_k^T+{\mathrm{\Γ}}_2\left(k\right)R_k{\mathrm{\Γ}}_2^T\left(k\right)---\left(6\right)$

这里，H_k是观测矩阵，R_k是目标观测传感器1的观测误差协方差矩阵，Γ₂(k)是观测噪声的转换矩阵。在以距离和方位角的极坐标上的值获得观测值的矢量的情况下，分别用下式(7)～(9)表示。

H_k＝[I_2×2 0_2×2] (7)

${\mathrm{\Γ}}_2\left(k\right)=\left(\begin{array}{cc}sin\left({\mathrm{By}}_k\right)& R_{k}cos\left({\mathrm{By}}_k\right)\\ \cos \left({\mathrm{By}}_k\right)& -R_{k}sin\left({\mathrm{By}}_k\right)\end{array}\right)---\left(8\right)$

$R_k=\left(\begin{array}{cc}{\mathrm{\σ}}_R^2& 0\\ 0& {\mathrm{\σ}}_{By}^2\end{array}\right)---\left(9\right)$

这里，0_2×2是2行2列的全部要素为0的矩阵。另外，σ_R是目标观测传感器1的距离观测误差标准偏差，σ_By是方位角观测误差标准偏差。

并且，采用上述的残差协方差矩阵S_k，进行来自目标观测传感器1的观测值z_k的门内外判定。该观测值z_k是将用距离以及方位角表示的观测信息转换为垂直坐标上的位置而获得的矢量。根据以下的不等式(10)是否成立，决定门内外判定。

${(z_k-z_k(-\left)\right)}^T{S}_k^{-1}(z_k-z_k(-\left)\right)<d---\left(10\right)$

这里，z_k(-)是预测观测值，可根据下式(11)进行计算。

$z_k(-)=H_k{\hat{x}}_k(-)---\left(11\right)$

另外，d是根据卡方检验中的显著性水平确定的边界值的参数。

在将前采样时刻中的运动模型的可靠度设为β_k-1，b(+)(b∈{(a)、(b)、(c)、(d)、(e)})时，根据下式(12)计算当前采样时刻中的预测模型可靠度β_k，a(-)(a∈{(a)、(b)、(c)、(d)、(e)})。

${\mathrm{\&beta;}}_{k,a}(-)=\underset{b=1}{\overset{N}{\&Sigma;}}{p}_{k,ab}{\mathrm{\&beta;}}_{k-1,b}(+)---\left(12\right)$

这里，p_k，ab是表示运动模型从(b)转移至(a)的概率的转移概率参数。该转移概率参数可表现为针对(b)与(a)的全部组合的转移而确定的矩阵。

该转移概率参数p_k，ab通常设定成例如下式(15)这样。

$p_{k,ab}=\left(\begin{array}{ccccc}0.6& 0.1& 0.1& 0.1& 0.1\\ 0.1& 0.6& 0.1& 0.1& 0.1\\ 0.1& 0.1& 0.6& 0.1& 0.1\\ 0.1& 0.1& 0.1& 0.6& 0.1\\ 0.1& 0.1& 0.1& 0.1& 0.6\end{array}\right)---\left(13\right)$

在此例中，对角成分为0.6，非对角成分为0.1。这表示维持当前的运动模型的概率是0.6、在不同运动模型间转变的概率对于转移的组合都是0.1。由此，在其它车60维持本车道的稳定状况下，例如获得“其它车60今后的运动是匀速80％、加速10％、右车道移动10％、其它0％”的结果，选择匀速模型来设定移动预测范围。

此外，根据跟踪所需的准确度，上述运动模型的滤波器进行加权混合。

并且，采用通过上式(10)的门内外判定而判定为门内的观测值，算出航迹的最新时刻中的运动要素估计值。但是，在存在多个现有航迹且特定的观测值落入多个航迹的门内的情况下，需要使观测值与现有航迹一一对应的相关决定处理。尤其在将本发明应用于汽车时，因为在本车50的周围存在多个其它车60的情况较多，所以，其相关的问题是重要的。关于一边生成多个假设一边决定该相关的方式，目前为止提出了几个方案(例如，参照专利文献2)。

并且，当根据相关决定而将观测值分配给现有航迹时，计算这些航迹的观测时刻中的平滑要素，关于更新航迹还计算与相关结果对应的航迹的似然度。根据下式(14)计算平滑矢量。

${\hat{x}}_k(+)={\hat{x}}_k(-)+K_k\{z_k-H_k{\hat{x}}_k(-)\}---\left(14\right)$

这里，K_k是滤波器增益，根据下式(15)进行计算。

$K_k=P_k(-)H_k^T{S}_k^{-1}---\left(15\right)$

另外，根据下式(16)计算平滑误差协方差矩阵。

$P_k(+)=P_k(-)-K_k{H}_k^T{P}_k(-)---\left(16\right)$

另外，假定观测值的概率分布成为以预测位置(2维的位置)为中心的高斯分布，根据下式(17)计算航迹的似然度(可能性)。

$g(z_k;z_k(-);S_k)=\frac{1}{{\left(\sqrt{2\mathrm{\&pi;}}\right)}^3}\exp (-\frac{1}{2}{\left(z_k-z_k(-)\right)}^T{S}_k^{-1}(z_k-z_k(-)\left)\right)---\left(17\right)$

反映了观测值的模型可靠度如下式(18)所示。

${\mathrm{\&beta;}}_{k,a}(+)=\frac{\underset{b=1}{\overset{N}{\&Sigma;}}{v}_{k,a}{p}_{k,ab}{\mathrm{\&beta;}}_{k-1,b}(+)}{\underset{a=1}{\overset{N}{\&Sigma;}}\underset{b=1}{\overset{N}{\&Sigma;}}{v}_{k,a}{p}_{k,ab}{\mathrm{\&beta;}}_{k-1,b}(+)}---\left(18\right)$

这里，ν_k，a是与根据观测值算出的运动模型(a)相对的似然度，用下式(19)表示。

v_k，a＝g(z_k；z_k，a(-)；S_k) (19)

以上，按照每个跟踪航迹，估计其它车60的位置以及速度的所选择的运动模型的估计值以及上述的估计误差协方差矩阵。这些信息(目标跟踪数据)被输出至目标跟踪数据存储部4而存储，用于供目标运动预测部5判定可否进行转向。

然后，目标运动预测部5根据目标跟踪数据存储部4所存储的目标跟踪数据，算出其它车60的移动预测范围(步骤ST203，目标运动预测步骤)。这里，目标运动预测部5根据其它车60的位置以及速度的估计值以及它们的估计误差协方差矩阵，算出未来的移动预测范围。预测时刻是根据从当前时刻到右转弯结束的固定采样间隔而设定的离散的多个时刻。这些采样时刻与在后述的本装置运动预测步骤中设定的采样时刻完全一致。

表示由该目标运动预测部5算出的其它车60的移动预测范围的信息被输出至目标间碰撞可能性估计部6。

然后，在存在多个其它车60的情况下，目标间碰撞可能性估计部6根据由目标运动预测部5算出的其它车60的移动预测范围的重叠，估计其它车60彼此间的碰撞可能性(步骤ST204，目标间碰撞可能性估计步骤)。此时，针对本车50观测的周围的其它车60的全部组合估计碰撞可能性。例如，在本车50的周围环境是图4所示状况的情况(存在3辆其它车60a～60c的情况)下，针对其它车60a与其它车60b的组合、其它车60b与其它车60c的组合、其它车60a与其它车60c的组合的共计3个组合估计碰撞可能性。

根据下式(20)是否成立来估计碰撞可能性。并且，在该式(20)成立的情况下，估计为在该组合中具有碰撞的可能性。

M(x_p，1，k(-)；P_p，1，k(-)；x_p，2，k(-)；P_p，2，k(-))＜threshold_C (20)

这里，右边的threshold_c是预先设定的阈值参数。左边是组合中的两个其它车60为同一位置的概率，如下式(21)所示，是遍及在本车50与其它车60的特定位置处的同时存在概率密度的位置空间整体的积分。

另外，针对式(20)进行下式(21)这样的数值计算，可进行近似。

$\begin{array}{c}M\left(x_{p,1,k}\right(-);P_{p,1,k}(-);x_{p,2,k}(-);P_{p,2,k}(-\left)\right)\\ \&equiv;\&Integral;\&Integral;\frac{1}{{\left(2\mathrm{\&pi;}\right)}^2}\exp (-\frac{1}{2}{\left(x-x_{p,1,k}(-)\right)}^T{P}_{p,1,k}{(-)}^{-1}(x-x_{p,1,k}(-)\left)\right)\\ \&CenterDot;\exp (-\frac{1}{2}{\left(x-x_{p,2,k}(-)\right)}^T{P}_{p,2,k}{(-)}^{-1}(x-x_{p,2,k}(-)\left)\right)dxdy\\ \left(x\&equiv;\left(\begin{array}{cc}x& y\end{array}\right)\right)\end{array}---\left(21\right)$

x_p，1，k(-)和P_p，1，k(-)是一个其它车60的预测中心及其协方差矩阵，x_p，2，k(-)与P_p，2，k(-)是另一个其它车60的预测中心及其协方差矩阵。

这是通过将基于现有技术中的本车50与其它车60之间的预测椭圆的重叠的的碰撞可能性估计直接应用于其它车60彼此间的碰撞可能性估计，来实现其目的。在图4的例子中，假设在本车50的相邻车道存在其它车60a、60b，后方的其它车60b正在快速地行驶。这里，图中的椭圆中心是移动预测位置，椭圆的面积是预测的误差协方差矩阵的标准偏差量。在此情况下，根据预测椭圆的重叠，估计为其它车60b与其它车60a碰撞。

表示由该目标间碰撞可能性估计部6估计的其它车60彼此间的碰撞可能性的信息被输出至目标运动重新预测部7。

然后，目标运动重新预测部7在由目标间碰撞可能性估计部6估计为具有其它车60彼此间的碰撞可能性时，重新计算避免该碰撞的其它车60的移动预测范围(步骤ST205，目标运动重新预测步骤)。以下，假设后方的车辆(在图4的例子中是其它车60b)采取避免碰撞的行动，并示出修正其移动预测范围的情况，其中，该后方的车辆通过包含驾驶员的目视在内的方法更容易掌握对方车辆。

在该移动预测范围的修整中，通过选择不起碰撞的运动模型，进行重新预测。根据有无与其它车60的碰撞可能性，调整运动模型间的转移概率，排除发生碰撞的运动模型，由此，实现该重新预测。

针对图4的例子，反映了用于避免碰撞的行动，如图5所示，其它车60b的运动模型选择方针如下所示。即，(a)匀速模型(本车道维持)因为与其它车60a碰撞，所以，不选择。另外，(b)加速模型(本车道维持)因为与其它车60a碰撞，所以，不选择。另外，(c)减速模型(本车道维持)选择为候选。(d)右车道移动模型选择为候选。(e)左车道移动模型因为没有道路，所以，不选择。

结果是，可针对其它车60b选择的运动模型如图5那样，是减速模型和右车道移动模型中的一个。

作为用于计算上述这样的运动模型选择的手段之一，具有转移概率参数p_k，ab的控制。在通常的运动模型可靠度计算中可得到“匀速80％、加速10％、右车道移动10％、其它0％”运动模型的选择结果，期望成为“减速40％、右车道移动60％，其它0％”。因此，将模型转移概率参数从通常的参数变更成下式(22)这样。

$p_{k,ab}=\left(\begin{array}{ccccc}0.0& 0.0& 0.0& 0.0& 0.0\\ 0.0& 0.0& 0.0& 0.0& 0.0\\ 0.3& 0.3& 0.3& 0.3& 0.3\\ 0.6& 0.6& 0.6& 0.6& 0.6\\ 0.0& 0.0& 0.0& 0.0& 0.0\end{array}\right)+\left(\begin{array}{ccccc}0.1& 0.0& 0.0& 0.0& 0.0\\ 0.0& 0.1& 0.0& 0.0& 0.0\\ 0.0& 0.0& 0.1& 0.0& 0.0\\ 0.0& 0.0& 0.0& 0.1& 0.0\\ 0.0& 0.0& 0.0& 0.0& 0.1\end{array}\right)---\left(22\right)$

右边的第1项是用于以转移至(c)减速模型和(d)右车道移动模型中的任意模型的方式进行分配的矩阵。这里，使(c)减速模型和(d)右车道移动模型的分配成为α：β＝0.3：0.6。

对该(c)减速模型和(d)右车道移动模型的分配参数(上式的α和β)的决定方法进行叙述。在各个车道中，将其它车60b与前方最近车辆(左车道：其它车60a、右车道：其它车60c)的距离“相对于相对速度有多少富余”作为基准。作为一例，如下式(23)这样用相对距离与相对速度的比率来决定。

$\begin{array}{c}\mathrm{\&alpha;}:\mathrm{\&beta;}=\frac{R_{12}}{{\mathrm{\&Delta;V}}_{12}}:\frac{R_{23}}{{\mathrm{\&Delta;V}}_{23}}\\ {\mathrm{\&Delta;V}}_{12}\&equiv;V_2-V_1,{\mathrm{\&Delta;V}}_{23}\&equiv;V_2-V_3\end{array}---\left(23\right)$

这里，V₁是其它车60a的速度，V₂是其它车60b的速度，V₃是其它车60c的速度，R₁₂是其它车60a与其它车60b之间的距离，R₂₃是其它车60c与其它车60b之间的距离(参照图6)。

以上，利用各车道中的汽车与其前方车的相对距离以及相对速度来算出分配参数，但还具有利用与各车道中的汽车的前方车、后方车的相对距离以及相对速度来算出的方法。另外，可单纯地将相对距离之比作为分配参数，而不是相对距离与相对速度之比。

以上示出了以下的情况：在其它车60为了避免碰撞而进行的运动的选择中，根据其它车60的周围空间的空闲状况，进行针对运动的加权(分配参数的计算)。但是，不限于此，例如，也能够以其它车60留在本车道优先直线行进运动的方式进行针对运动的加权。此时，将其它车60留在本车道的概率测度设为某个预先固定的参数的值γ以上，根据下式(24)算出分配参数。

$\mathrm{\&alpha;}:\mathrm{\&beta;}=\frac{R_{12}}{{\mathrm{\&Delta;V}}_{12}}+\mathrm{\&gamma;}:\frac{R_{23}}{{\mathrm{\&Delta;V}}_{23}}---\left(24\right)$

图7示出基于以上处理的其它车60的移动预测范围的重新计算结果例。表示由该目标运动重新预测部7重新计算的其它车60的移动预测范围的信息被输出至本装置碰撞可能性估计部11。在目标间碰撞可能性估计部6估计为没有其它车60彼此间的碰撞可能性的情况或者不存在多个其它车60的情况下，将表示由目标运动预测部5算出的其它车60的移动预测范围的信息直接输出至本装置碰撞可能性估计部11。

另一方面，本装置运动传感器8观测包含本车50的位置以及速度在内的运动要素(步骤ST206，本装置运动观测步骤)。表示该本装置运动传感器8的观测结果的信息(本装置运动数据)被输出至本装置运动数据存储部9而存储。

然后，本装置运动预测部10根据本装置运动数据存储部9所存储的本装置运动数据，预测本车50的未来的位置以及速度，根据该预测误差协方差矩阵算出本车50的移动预测范围(步骤ST207，本装置运动预测步骤)。预测时刻是从当前时刻起按照固定的采样间隔设定的离散的多个时刻。以下，将未来预测时刻的采样时刻的编号设为k。

这里，假设各采样时刻中的本车50的运动是具有由xy平面的2维空间中的本车50的位置以及速度构成的下式(25)的4个要素的矢量。

${\underset{\&OverBar;}{u}}_k={\left(\begin{array}{cccc}{x}_k& y_k& {\stackrel{\&CenterDot;}{x}}_k& {\stackrel{\&CenterDot;}{y}}_k\end{array}\right)}^T---\left(25\right)$

另外，当前时刻的本车50的运动估计值是关于位置从本车传感器或者GPS等的传感器获得的自身运动信息。根据下式(26)算出本车50的未来预测位置。

${\hat{u}}_{f,k}(-)={\mathrm{\&Phi;}}_{uf,k}{\hat{u}}_{f,k}(+)---\left(26\right)$

这里，以本车50的匀速运动为前提，用下式(27)表示Φ_uf，k。

${\mathrm{\&Phi;}}_{uf,k}=\left(\begin{array}{cccc}1& 0& T_p& 0\\ 0& 1& 0& T_p\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right)---\left(27\right)$

这里，T_p是未来预测处理中的采样间隔。

另外，根据下式(28)算出未来预测的误差协方差矩阵P_uf，k(-)。

$P_{uf,k}(-)={\mathrm{\&Phi;}}_{uf,k-1}{P}_{uk-1}(+){\mathrm{\&Phi;}}_{uf,k-1}^T+Q_{uf,k}---\left(28\right)$

这里，P_uf，k(+)是当前时刻的本车50的运动要素的估计误差协方差矩阵，是对最新的平滑误差协方差矩阵进行外推而算出的。另外，Q_uf，k是驱动噪声协方差矩阵，用下式(29)表示。

$Q_{uf,k}=\left[\begin{array}{cc}\frac{T_p^3}{3}{I}_{2\&times;2}& \frac{T_p^2}{2}{I}_{2\&times;2}\\ \frac{T_p^2}{2}{I}_{2\&times;2}& T_p{I}_{2\&times;2}\end{array}\right]q---\left(29\right)$

图7示出基于以上处理的本车50的移动预测范围的算出结果例。表示由该本装置运动预测部10算出的本车50的移动预测范围的信息被输出至本装置碰撞可能性估计部11。

然后，本装置碰撞可能性估计部11根据由目标运动预测部5或目标运动重新预测部7算出的没有其它车60彼此间的碰撞可能性的其它车60的移动预测范围与由本装置运动预测部10算出的本车50的移动预测范围的重叠，估计本车50与其它车60的碰撞可能性(步骤ST208，本装置碰撞可能性估计步骤)。

具体地说，根据下式(30)是否成立，估计上述碰撞可能性。然后，在下式(30)成立的情况下，估计为具有本车50与其它车60碰撞的可能性。

M(x_uf，k(-)；P_uf，k(-)；x_p，k(-)；P_p，k(-))＜threshold_M (30)

这里，右边的threshold_M是预先设定的阈值参数。左边是本车50与其它车60成为同一位置的概率，如下式(31)所示，是遍及本车50与其它车60的特定位置中的同时存在概率密度的位置空间整体的积分。也可以通过数值计算对其进行近似。

$\begin{array}{c}M\left({\hat{u}}_{f,k}\right(-);P_{uf,k}(-);{\hat{x}}_{f,k}(-);P_{f,k}(-\left)\right)\\ \&equiv;\&Integral;\&Integral;\frac{1}{{\left(2\mathrm{\&pi;}\right)}^2}\exp (-\frac{1}{2}{\left(x-{\hat{u}}_{f,k}(-)\right)}^T{P}_{uf,k}{(-)}^{-1}(x-{\hat{u}}_{f,k}(-)\left)\right)\\ \&CenterDot;\exp (-\frac{1}{2}{\left(x-{\hat{x}}_{f,k}(-)\right)}^T{P}_{f,k}{(-)}^{-1}(x-{\hat{x}}_{f,k}(-)\left)\right)dxdy\\ \left(x\&equiv;\left(\begin{array}{cc}x& y\end{array}\right)\right)\end{array}---\left(31\right)$

表示由该本装置碰撞可能性估计部11估计的本车50与其它车60的碰撞可能性的信息被输出至制动判断部12。

然后，制动判断部12根据本装置碰撞可能性估计部11的估计结果，判断是否需要本车50的制动(步骤ST209，制动判断步骤)。然后，在本装置碰撞可能性估计部11估计为具有本车50与其它车60的碰撞可能性且制动判断部12判断为需要本车50的制动的情况下，通过自动制动部13使基于自动制动的本车50的减速功能进行动作，或者通过警告产生部14向本车50的驾驶员进行表示在当前时刻需要进行制动操作的消息的提示或声音的输出。

通过定期地反复进行以上的处理，可始终进行本车50的碰撞防止对策。

如以上那样，根据该实施方式1，构成为，观测存在于本车50的周围的其它车60，估计其它车60彼此间的碰撞可能性，在具有碰撞可能性的情况下，重新预测避免该碰撞的其它车60的运动，所以，能够检测多个其它车60的运动来提高运动预测的精度。其结果是，能够获得这样的碰撞防止装置：根据多个其它车60的相对运动更快地检测出其它车60闯入本车50的车道的可能性，在早期取得对策。

实施方式2.

在实施方式1中，示出了设其它车60的车道移动模型(路线变更模型)为固定数量的情况。与其相对，在实施方式2中，示出根据其它车60之间的位置以及速度而设定1个以上的车道变更的开始时刻并使车道移动模型的数量可变的情况。

图8是示出本发明的实施方式2的碰撞防止装置的结构的图。该图8所示的实施方式2的碰撞防止装置从图1所示的实施方式1的碰撞防止装置中去除目标运动预测部5、目标间碰撞可能性估计部6以及目标运动重新预测部7，追加了目标运动预测部15。其它结构相同，标注相同的符号，仅对不同的部分进行说明。

此外，在实施方式1的目标跟踪部3中，对其它车60假定多个运动模型进行其它车60的跟踪。与其相对，在实施方式2的目标跟踪部3中，假定匀速模型(本车道维持)作为运动模型。

目标运动预测部15基于目标跟踪数据存储部4所存储的目标跟踪数据，根据其它车60彼此间的位置以及速度，设定运动模型，算出该其它车60的移动预测范围以及该移动预测范围的可靠度。这里，所谓可靠度是指，表示可能发生其它车60向移动预测范围的移动的可能性的指标。另外，以下，目标运动预测部15根据算出的可靠度，算出表示各移动预测范围中的相对可靠度的指标即相对可靠度，对移动预测范围与相对可靠度进行列表化。另外，目标运动预测部15还根据目标观测值数据存储部2所存储的目标观测值数据，进行表示不需要的移动预测范围的信息的删除。该目标运动预测部15具有匀速预测部151、减速预测部152、路线变更开始时刻设定部153、多个路线变更预测部154(154-1～154-N)、路线变更预测存储部155以及可靠度比较部156。

匀速预测部151假定匀速模型(本车道维持)作为其它车60的运动模型，根据目标跟踪数据存储部4所存储的目标跟踪数据，算出其它车60的移动预测范围(匀速移动预测范围)。表示由该匀速预测部151算出的其它车60的移动预测范围的信息被输出至可靠度比较部156。

减速预测部152假定减速模型(本车道维持)作为其它车60的运动模型，根据目标跟踪数据存储部4所存储的目标跟踪数据，算出其它车60的移动预测范围(减速移动预测范围)。表示由该减速预测部152算出的其它车60的移动预测范围的信息被输出至可靠度比较部156。

路线变更开始时刻设定部153根据目标跟踪数据存储部4所存储的目标跟踪数据，与其它车60之间的位置以及速度相应地将其它车60的车道移动模型中的车道变更开始时刻(路线变更开始时刻)设定为1个以上。表示由该路线变更开始时刻设定部153设定的车道变更开始时刻的信息被输出至分别对应的路线变更预测部154。

路线变更预测部154假定车道移动模型作为其它车60的运动模型，根据由路线变更开始时刻设定部153设定的对应的车道变更开始时刻，算出其它车60的移动预测范围(车道移动预测范围)。表示由该路线变更预测部154算出的其它车60的移动预测范围的信息被输出至路线变更预测存储部155。

路线变更预测存储部155存储表示由各路线变更预测部154算出的其它车60的移动预测范围的信息。该路线变更预测存储部155由HDD、DVD、存储器等构成。

可靠度比较部156根据目标跟踪数据存储部4所存储的目标跟踪数据，针对由各预测部151、152、154算出的其它车60的各移动预测范围算出可靠度，计算相对可靠度使其列表化。另外，可靠度比较部156还根据目标观测值数据存储部2所存储的目标观测值数据，进行表示路线变更预测存储部155内的不需要的移动预测范围的信息的删除。表示由该可靠度比较部156获得的其它车60的各移动预测范围与其相对可靠度的列表被输出至本装置碰撞可能性估计部11b。

本装置碰撞可能性估计部11b根据由目标运动预测部15获得的列表所示的其它车60的移动预测范围与由本装置运动预测部10算出的本车50的移动预测范围的重叠以及该列表所示的其它车60的移动预测范围的可靠度(相对可靠度)，估计本车50与其它车60的碰撞可能性。表示由该本装置碰撞可能性估计部11b估计的本车50与其它车60的碰撞可能性的信息被输出至制动判断部12。

接着，参照图9～13，说明如上述那样构成的碰撞防止装置的处理的流程。

在实施方式2的碰撞防止装置的处理中，如图9所示，首先，目标观测传感器1定期地实施存在于本车50的周围的其它车60的观测，根据其观测结果来算出其它车60的位置(步骤ST901，目标观测步骤)。表示该目标观测传感器1的观测结果的信息(目标观测值数据)被输出至目标观测值数据存储部2并存储。

然后，目标跟踪部3根据目标观测值数据存储部2所存储的目标观测值数据，对其它车60的位置进行时序处理(跟踪处理)，由此估计更准确的其它车60的位置以及速度(步骤ST902，目标跟踪步骤)。即，通过针对由目标观测传感器1获得的静态的其它车60的位置加上速度信息，成为动态的信息，可获得更准确的其它车60的位置。以下，详细地说明目标跟踪部3的处理。

在目标跟踪部3中，首先，从目标观测传感器1读入表示最新的观测时刻的观测结果(观测值)的信息。接着，算出现有航迹的门。然后，调查所读入的观测值是否处于该门内，决定该观测值能够与哪个航迹相关。这里，航迹将具有由xy的2维空间中的其它车60的位置以及速度构成的上式(1)的4个要素的矢量作为估计要素。

并且，根据上式(2)计算最新观测时刻k的其它车60的预测矢量X_k(-)hat。

另外，因为在实施方式2中假定匀速模型作为其它车60的运动模型，所以，用上式(3)表示上式(2)的转移矩阵Φ_k-1。

另外，根据上式(4)计算预测误差协方差矩阵P_k(-)，用上式(5)表示驱动噪声协方差矩阵Q_k-1。

并且，根据上式(6)算出残差协方差矩阵S_k。此外，在以距离以及方位角的极坐标上的值获得观测值的矢量的情况下，分别用上式(7)～(9)表示式(6)中的观测矩阵H_k、观测噪声的转换矩阵Γ₂(k)以及目标观测传感器1的观测误差协方差矩阵R_k。

然后，采用上述的残差协方差矩阵S_k，进行来自目标观测传感器1的观测值z_k的门内外判定。该观测值z_k是将以距离以及方位角表示的观测信息转换为垂直坐标上的位置而获得的矢量。根据上述的不等式(10)是否成立来决定门内外判定。此外，可根据上式(11)来计算不等式(10)中的预测观测值z_k(-)。

并且，采用通过不等式(10)的门内外判定而判定为门内的观测值，算出航迹的最新时刻中的运动要素估计值。但是，在存在多个现有航迹并且特定的观测值落入多个航迹的门内时，需要进行使观测值与现有航迹一一对应的相关决定处理。尤其在将本发明应用于汽车的情况下，因为在本车50的周围存在多个其它车60的情况较多，所以，此相关的问题是重要的。目前为止提出了一边生成多个假设一边决定该相关的方式的几个方案(例如，参照专利文献2)。

然后，当根据相关决定对现有航迹分配观测值时，利用观测值来更新这些航迹，计算平滑矢量。利用上式(14)计算平滑矢量。此外，可利用上式(15)来计算式(14)中的滤波器增益K_k。

另外，利用上式(16)计算平滑误差协方差矩阵。

以上，按照跟踪航迹，估计其它车60的位置以及速度的估计值以及上述的估计误差协方差矩阵。这些信息(目标跟踪数据)被输出至目标跟踪数据存储部4并存储，由目标运动预测部15使用。

然后，匀速预测部151假定匀速模型(本车道维持)作为其它车60的运动模型，根据目标跟踪数据存储部4所存储的目标跟踪数据，算出其它车60的移动预测范围(匀速移动预测范围)(步骤ST903，匀速预测步骤)。即，匀速预测部151在其它车60维持当前时刻的估计速度的假定下，估计从当前时刻到最大预测时间S秒后的各采样时刻的位置。以下，详细地说明匀速预测部151的处理。

匀速预测部151首先根据下式(32)计算从当前时刻k起m秒后的其它车60的匀速移动预测范围的预测矢量x^(ConstVel) _k，m(-)。

$x_{k,m}^{\left(ConstVel\right)}(-)={\mathrm{\&Phi;}}_{k,m-1}^{\left(ConstVel\right)}{x}_{k,m-1}^{\left(ConstVel\right)}(-)---\left(32\right)$

这里，用下式(33)表示Φ^(ConstVel) _k，m-1。

${\mathrm{\&Phi;}}_{k,m-1}^{\left(ConstVel\right)}=\left(\begin{array}{cccc}1& 0& T_p& 0\\ 0& 1& 0& T_p\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right)---\left(33\right)$

这里，T_p是从当前时刻到未来的采样间隔。

此外，用下式(34)表示匀速移动预测范围的预测矢量的初始值。

$x_{k,0}^{\left(ConstVel\right)}(-)={\hat{x}}_k(+)---\left(34\right)$

另外，根据下式(35)计算匀速移动预测范围的预测误差协方差矩阵。

$P_{k,m}^{\left(ConstVel\right)}(-)={\mathrm{\&Phi;}}_{k,m-1}^{\left(ConstVel\right)}{P}_{k,m-1}^{\left(ConstVel\right)}(-){\left({\mathrm{\&Phi;}}_{k,m-1}^{\left(ConstVel\right)}\right)}^T+Q_{k,m-1}---\left(35\right)$

这里，Q_k，m-1是驱动噪声协方差矩阵，用下式(36)表示。

$Q_{k,m-1}=\left(\begin{array}{cc}\frac{T_p^3}{3}{I}_{2\&times;2}& \frac{T_p^2}{2}{I}_{2\&times;2}\\ \frac{T_p^2}{2}{I}_{2\&times;2}& T_p{I}_{2\&times;2}\end{array}\right)q---\left(36\right)$

这里，q是预先设定的功率谱密度的参数，I_2×2是2行2列的单位矩阵。

此外，匀速移动预测范围的预测误差协方差矩阵的初始值用下式(37)表示。

$P_{k,0}^{\left(ConstVel\right)}(-)=P_k(+)---\left(37\right)$

以上，按照每个跟踪航迹算出其它车60匀速直线行进运动的情况下的直至S秒后的移动预测范围以及预测误差协方差矩阵。这些信息被输出至可靠度比较部156，用于计算其它车60匀速直线行进运动的可能性。

然后，减速预测部152假定减速模型(本车道维持)作为其它车60的运动模型，根据目标跟踪数据存储部4所存储的目标跟踪数据，算出其它车60的移动预测范围(减速移动预测范围)(步骤ST904，减速预测步骤)。即，减速预测部152在其它车60从当前时刻起减速进行移动的假定下，估计从当前时刻到最大预测时间S秒后的各采样时刻的位置。以下，详细地说明减速预测部152的处理。

在减速预测部152中，首先，根据下式(38)计算从当前时刻k起m秒后的其它车60的减速移动预测范围的预测矢量x^(Brake) _k，m(-)。

$x_{k,m}^{\left(Brake\right)}(-)={\mathrm{\&Phi;}}_{k,m-1}^{\left(Brake\right)}{x}_{k,m-1}^{\left(Brake\right)}(-)+a_{k,m-1}^{\left(Brake\right)}---\left(38\right)$

这里，用下式(39)、(40)表示Φ^(Brake) _k，m-1以及a^(Brake) _k，m-1。

${\mathrm{\&Phi;}}_{k,m-1}^{\left(Brake\right)}=\left(\begin{array}{cccc}1& 0& T_p& 0\\ 0& 1& 0& T_p\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right)---\left(39\right)$

$a_{k,m-1}^{\left(Brake\right)}={\left(\begin{array}{cccc}0& \frac{T_p^2}{2}& 0& T_p\end{array}\right)}^T\mathrm{\&alpha;}---\left(40\right)$

这里，T_p是从当前时刻到未来的采样间隔，α是表示预先设定的减速的加速度的负标量。

另外，减速移动预测范围的预测矢量的初始值用下式(41)表示。

$x_{k,0}^{\left(Brake\right)}(-)={\hat{x}}_k(+)---\left(41\right)$

另外，根据下式(42)计算减速移动预测范围的预测误差协方差矩阵。

$P_{k,m}^{\left(Brake\right)}(-)={\mathrm{\&Phi;}}_{k,m-1}^{\left(Brake\right)}{P}_{k,m-1}^{\left(Brake\right)}(-){\left({\mathrm{\&Phi;}}_{k,m-1}^{\left(Brake\right)}\right)}^T+Q_{k,m-1}---\left(42\right)$

这里，Q_k，m-1是驱动噪声协方差矩阵，用下式(43)表示。

$Q_{k,m-1}=\left(\begin{array}{cc}\frac{T_p^3}{3}{I}_{2\&times;2}& \frac{T_p^2}{2}{I}_{2\&times;2}\\ \frac{T_p^2}{2}{I}_{2\&times;2}& T_p{I}_{2\&times;2}\end{array}\right)q---\left(43\right)$

这里，q是预先设定的功率谱密度的参数，I_2×2是2行2列的单位矩阵。

另外，减速移动预测范围的预测误差协方差矩阵的初始值用下式(44)表示。

$P_{k,0}^{\left(Brake\right)}(-)=P_k(+)---\left(44\right)$

以上，按照每个跟踪航迹算出其它车60减速时的直至S秒后的移动预测范围以及预测误差协方差矩阵。这些信息被输出至可靠度比较部156，用于算出其它车60减速的可能性。

然后，路线变更开始时刻设定部153根据目标跟踪数据存储部4所存储的目标跟踪数据，与其它车60间的位置以及速度相应地将其它车60的车道移动模型中的车道变更开始时刻设定为1个以上(步骤ST905，路线变更开始时刻设定步骤)。以下，详细地说明路线变更开始时刻设定部153的处理。这里，以图10为例，示出根据与位于前方的其它车60a的位置关系以及相对速度设定其它车60b的车道变更开始时刻的情况。在图10的(a)中，示出其它车60b在考虑了右车道状况后进行右车道移动的情况，在图10的(b)中，示出其它车60b优先避免与其它车60a的碰撞而突然进行右车道移动的情况。

作为设定其它车60b进行车道移动时可选择的车道变更开始时刻的方法之一，这里记述采用其它车60b与其它车60a的碰撞预测时间(TTC：Time To Collision)的方法。其它车60b与其它车60a的TTC用下式(45)表示。

$TTC=\frac{R_{12}}{V_2-V_1}---\left(45\right)$

这里，R₁₂是其它车60b与其它车60a的车间距，V₂是其它车60b的速度，V₁是其它车60a的速度(参照图6)。

并且，根据由上式(45)定义的TTC，例如以下这样地设定其它车60b的车道变更开始时刻。首先，在0秒＜TTC＜1秒的情况下，将车道变更开始时刻设定为0秒后(第1条件)。另外，在1秒≤TTC＜2秒的情况下，将车道变更开始时刻设定为0秒后、0.5秒后(第2条件)。另外，在2秒≤TTC＜3秒的情况下，将车道变更开始时刻设定为0秒后、0.5秒后、1秒后、1.5秒后(第3条件)。另外，在3秒≤TTC的情况下，将车道变更开始时刻设定为0秒后、0.5秒后、1秒后、1.5秒后、2秒后、2.5秒后(第4条件)。另外，在TTC≤0秒的情况下，将车道变更开始时刻设定为0秒后、0.5秒后、1秒后、1.5秒后、2秒后、2.5秒后(第5条件)。

图11示出基于该条件的车道变更开始时刻的设定的一例。该图11示出：TTC为2秒以上小于3秒的情况，将车道变更开始时刻设定为0秒～1.5秒这4种，由此生成4种车道移动预测范围的情况。

上述设定的特征在于，其它车60b与其它车60a碰撞之前的时间越具有富余，则越增加车道变更开始时刻的个数。例如，如第1条件那样，可认为，在维持当前时刻的速度的情况下在1秒以内其它车60b与其它车60a发生碰撞的状况下，其它车60b几乎没有在开始车道移动之前的时间富余，仅仅预测立即开始车道变更的运动模型就够了。另一方面，在如第4、5的条件那样其它车60b与其它车60a的车间距具有富余的情况下，其它车60b可在各种时间内开始进行车道移动，所以，设定多个车道变更开始时刻。

此外，在上述中，用从当前时刻起的经过秒数定义了车道变更开始时刻，但也可以有利用其它车60b与其它车60a的相对距离之比来定义车道变更开始时刻的方法。例如，将车道变更开始时刻T_n ^(Steer)作为行驶某个固定距离R₁₂n/N之前的时间，表示成下式(46)这样。

$T_n^{\left(steer\right)}=\frac{R_{12}}{V_1}\&times;\frac{n}{N}---\left(46\right)$

这里，n为1以上N以下的整数，根据下式(47)计算N。

$N=\left\{\begin{array}{cc}1& (0\&lsqb;\sec <TTC<1\&lsqb;\sec \&rsqb;)\\ 2& (1\&lsqb;\sec \&rsqb;\&le;TTC<2\&lsqb;\sec \&rsqb;)\\ 4& (0\&lsqb;\sec \&rsqb;\&le;TTC<3\&lsqb;\sec \&rsqb;)\\ 6& (3\&lsqb;\sec \&rsqb;\&le;TTC)\\ 6& (TTC\&le;0\&lsqb;\sec \&rsqb;)\end{array}\right.---\left(47\right)$

以上虽然根据TTC决定车道变更开始时刻的个数，但也可以有利用其它车60b与其它车60a的相对距离R₁₂的大小来算出车道变更开始时刻的个数的方法。

以上，将其它车60b可选择的车道变更开始时刻设定为1个以上。表示由该路线变更开始时刻设定部153设定的N个车道变更开始时刻的信息分别被输出至对应的路线变更预测部154。以下，将通过该处理设定的车道变更开始时刻的个数记述为N。

然后，路线变更预测部154假定车道移动模型作为其它车60的运动模型，根据由路线变更开始时刻设定部153设定的对应的车道变更开始时刻，算出其它车60的移动预测范围(车道移动预测范围)(步骤ST906，车道移动预测步骤)。即，路线变更预测部154以从当前时刻起的经过时间T_n ^(Steer)，估计其它车60b开始车道移动时的从当前时刻到最大预测时间S秒后的各采样时刻的位置。此外，n为1以上N以下的整数。以下，详细地说明路线变更预测部154的处理。这里，作为从当前时刻起的经过时间T_n ^(Steer)开始车道变更的轨道的例子，说明以下的情况：在T_n ^(Steer)之前进行匀速直线行进运动，然后以固定速度进行车道变更。

路线变更预测部154首先根据下式(48)计算从当前时刻k起m秒后的其它车60b的车道移动预测范围的预测矢量x^(Steer，n) _k，m(―)。

$x_{k,m}^{(Steer,n)}(-)={\mathrm{\&Phi;}}_{k,m-1}^{(Steer,n)}{x}_{k,m-1}^{(Steer,n)}(-)---\left(48\right)$

这里，用下式(49)表示Φ^(Steer，n) _k，m-1。

${\mathrm{\&Phi;}}_{k,m-1}^{(Steer,n)}=\left\{\begin{array}{cc}{\mathrm{\&Phi;}}_{k,m-1}^{\left(ConstVel\right)}& (m<T_n^{\left(Steer\right)})\\ {\mathrm{\&Phi;}}_{k,m-1}^{\left(Steer\right)}& (T_n^{\left(Steer\right)}\&le;m)\end{array}\right.---\left(49\right)$

这里，Φ^(ConstVel) _k，m-1是表示匀速模型的矩阵，Φ^(Steer) _k，m-1是根据从时刻k+m起开始车道移动的车道移动模型而设定的矩阵。

另外，车道移动预测范围上的预测矢量的初始值用下式(50)表示。

$x_{k,0}^{(Steer,n)}(-)={\hat{x}}_k(+)---\left(50\right)$

另外，根据下式(51)计算车道移动预测范围的预测误差协方差矩阵。

$P_{k,m}^{(Steer,n)}(-)={\mathrm{\&Phi;}}_{k,m-1}^{(Steer,n)}{P}_{k,m-1}^{(Steer,n)}(-){\left({\mathrm{\&Phi;}}_{k,m-1}^{(Steer,n)}\right)}^T+Q_{k,m-1}---\left(51\right)$

这里，Q_k，m-1是驱动噪声协方差矩阵，用下式(52)表示。

$Q_{k,m-1}=\left(\begin{array}{cc}\frac{T_p^3}{3}{I}_{2\&times;2}& \frac{T_p^2}{2}{I}_{2\&times;2}\\ \frac{T_p^2}{2}{I}_{2\&times;2}& T_p{I}_{2\&times;2}\end{array}\right)q---\left(52\right)$

这里，q是预先设定的功率谱密度的参数，I_2×2是2行2列的单位矩阵。

另外，车道移动预测范围的预测误差协方差矩阵的初始值用下式(53)表示。

$P_{k,0}^{(Steer,n)}(-)=P_k(+)---\left(53\right)$

以上，将直至车道变更开始时刻为止其它车60b进行匀速直线行进运动的情况作为前提，算出移动预测范围。但是，不限于此，还可以具有在按照预先设定的等加速度运动之后开始车道变更的运动模型。另外，还可以有根据其它车60(图10中的其它车60b)与其周边车辆(图10中的其它车60a、其它车60c、本车50)的相对距离以及相对速度来改变车道变更之前的速度以及加速度的方法。

以上，按照每个跟踪航迹算出其它车60b在时刻T_n ^(Steer)进行车道变更的情况下的S秒后的移动预测范围以及预测误差协方差矩阵。这些信息被输出至路线变更预测存储部155并存储。总共保存N个表示车道移动预测范围的信息。

然后，可靠度比较部156根据目标跟踪数据存储部4所存储的目标跟踪数据，针对由各预测部151、152、154算出的其它车60的各移动预测范围算出可靠度，算出相对可靠度，并进行列表化。另外，根据目标观测值数据存储部2所存储的目标观测值数据，删除路线变更预测存储部155内的表示不需要的移动预测范围的信息(步骤ST907，可靠度比较步骤)。以下，参照图12，详细地说明可靠度比较部156的处理。

在可靠度比较部156的处理中，如图12所示，首先，针对由匀速预测部151算出的匀速移动预测范围(从当前时刻到S秒后的每个采样时刻的匀速移动预测范围以及预测误差协方差矩阵)，算出可靠度(步骤ST1201)。

这里，移动预测范围的可靠度是表示其它车60b沿着移动预测范围运动的可能性的指标。另外，根据移动预测范围以及预测误差协方差矩阵算出可靠度的处理在匀速移动预测范围的情况(步骤ST1201)、减速移动预测范围的情况(步骤ST1202)和车道移动预测范围的情况(步骤ST1206)下必须是相同的。

匀速移动预测范围的可靠度例如用下式(54)表示。

$b_k^{\left(ConstVel\right)}=\underset{m,l}{\min }\&lsqb;M\left(x_{k,m}^{\left(ConstVel\right)}\right(-);P_{k,m}^{\left(ConstVel\right)};x_{k,m}^{\left(l\right)};P_{k,m}^{\left(l\right)})\&rsqb;---\left(54\right)$

这里，M是两个移动预测范围成为相同位置的概率，用下式(55)表示。

M(x₁，P₁；x₂，P₂)＝(x₁-x₂)^T(P₁+P₂)^-1(x₁-x₂) (55)

另外，x^(l) _k，m是从其它车60的周边车辆l的当前时刻k起m秒后的移动预测范围，根据下式(56)、(57)计算。

$x_{k,m}^{\left(l\right)}={\mathrm{\&Phi;}}_{k,m}^{\left(ConstVel\right)}{x}_{k,m-1}^{\left(l\right)}---\left(56\right)$

$x_{k,0}^{\left(l\right)}=x_k^{\left(l\right)}(+)---\left(57\right)$

这里，x^(l) _k(+)为当前时刻的其它车60的周边车辆l的平滑矢量。

另外，P^(l) _k，m是从其它车60的周边车辆l的当前时刻k起m秒后的预测误差协方差矩阵，根据下式(58)、(59)来计算。

$P_{k,m}^{\left(l\right)}={\mathrm{\&Phi;}}_{k,m-1}^{\left(ConstVel\right)}{P}_{k,m-1}^{\left(l\right)}{\left({\mathrm{\&Phi;}}_{k,m-1}^{\left(ConstVel\right)}\right)}^T+Q_{k,m-1}---\left(58\right)$

$P_{k,0}^{\left(l\right)}=P_k^{\left(l\right)}(+)---\left(59\right)$

这里，P^(l) _k(+)是当前时刻的其它车60的周边车辆l的平滑误差协方差矩阵。

上式(54)的可靠度表示匀速移动的周边车辆的移动预测范围与其它车60的移动预测范围最接近时的间隔。因此，该可靠度的定义是以选择其它车60从周边车辆远离的移动预测范围的可能性高的观点为前提的。例如，在图13中，接近于本车50的第1移动预测范围1301以及接近于其它车60a的第3移动预测范围1303难以选择，而可靠度变低，在它们中间的时刻开始车道变更的第2移动预测范围1302的可靠度变高。

然后，针对由减速预测部152算出的减速移动预测范围(从当前时刻到S秒后的每个采样时刻的减速移动预测范围以及预测误差协方差矩阵)，算出可靠度(步骤ST1202)。

这里，在设匀速移动预测范围的可靠度为上式(54)的情况下，减速移动预测范围的可靠度也同样用下式(60)表示。

$b_k^{\left(Brake\right)}=\underset{m,l}{\min }\&lsqb;M\left(x_{k,m}^{\left(Brake\right)}\right(-),P_{k,m}^{\left(Brake\right)};x_{k,m}^{\left(l\right)},P_{k,m}^{\left(l\right)})\&rsqb;---\left(60\right)$

然后，从路线变更预测存储部155选择一个在当前时刻未选择的车道移动预测范围(步骤ST1203)。这里，将所选择的车道移动预测范围A的预测矢量设为X^(Steer，A) _k’，m，将车道移动预测范围A的预测误差协方差矩阵设为P^(Steer，A) _k’，m。因为路线变更预测存储部155所存储的车道移动预测范围还包含过去生成的范围，所以，k’表示当前时刻或过去的时刻。

然后，根据所选择的车道移动预测范围A的当前时刻的预测位置与当前时刻的其它车60的观测值，利用下式(61)，算出表示车道移动预测范围A的可能性的指标(似然度)，其中，下式(61)假定观测值的概率分布成为以预测位置为中心的高斯分布(步骤ST1204)。

$\begin{array}{c}g(z_k;x_{k^{\&prime;},k-k^{\&prime;}}^{(Steer,A)},P_{k^{\&prime;},k-k^{\&prime;}}^{(Steer,A)})\\ =\frac{1}{{\left(\sqrt{2\mathrm{\&pi;}}\right)}^3}\exp \&lsqb;-\frac{1}{2}{(z_k-x_{k^{\&prime;},k-k^{\&prime;}}^{(Steer,A)})}^T{\left(P_{k^{\&prime;},k-k^{\&prime;}}^{(Steer,A)}\right)}^{-1}(z_k-x_{k^{\&prime;},k-k^{\&prime;}}^{(Steer,A)})\&rsqb;\end{array}---\left(61\right)$

然后，判断所算出的似然度是否满足以下的不等式(62)(步骤ST1205)。

$g(z_k;x_{k^{\&prime;}k-k^{\&prime;}}^{(Steer,A)},P_{k^{\&prime;},k-k^{\&prime;}}^{(Steer,A)})<{\mathrm{Threshold}}_g---\left(62\right)$

这里，Thrshold_g是预先设定的阈值参数。

在该步骤ST1205中，在判断为似然度满足不等式(62)的情况下，认为车道移动预测范围A为其它车60b可采取的运动，算出该车道移动预测范围A的可靠度(步骤ST1206)。

这里，在设匀速移动预测范围的可靠度为上式(54)的情况下，车道移动预测范围A的可靠度也同样用下式(63)表示。

$b_k^{(Steer,A)}=\underset{m,l}{\min }\&lsqb;M\left(x_{k,m}^{(Steer,A)}\right(-),P_{k,m}^{(Steer,A)};x_{k,m}^{\left(l\right)},P_{k,m}^{\left(l\right)})\&rsqb;---\left(63\right)$

另一方面，在步骤ST1205中，在判断为似然度不满足不等式(62)的情况下，认为车道移动预测范围A与当前的其它车60的位置大不相同，从路线变更预测存储部155中删除表示该车道移动预测范围A的信息(步骤ST1207)。

然后，判断是否选择了路线变更预测存储部155所存储的全部车道移动预测范围(步骤ST1208)。在该步骤ST1208中，在路线变更预测存储部155内具有表示未选择的车道移动预测范围的信息的情况下，流程返回至步骤ST1203，反复进行上述处理。

另一方面，在步骤ST1208中，在判断为选择了路线变更预测存储部155所存储的全部车道移动预测范围的情况下，将各移动预测范围的可靠度转换为相对可靠度(步骤ST1209)。此外，相对可靠度是表示对由步骤ST1201、1202、1206算出的各移动预测范围的可靠度进行比较的结果的指标，例如，根据下式(64)算出。

${\mathrm{\&beta;}}_{p,k}=\frac{b_{p,k}}{B_k}---\left(64\right)$

这里，b_p，k是其它车60b的任意的移动预测范围的可靠度，B_k为在步骤ST1201、1202、1206中算出的可靠度的总和。

例如，在某车道移动预测范围A的相对可靠度是0.6的情况下，预测为“其它车60b以60％的可能性进行车道移动预测范围A的运动”。

另外，可根据“其它车60b优先选择维持车道的运动”的观点，仅将车道移动预测范围的相对可靠度设定得较低。

根据以上的步骤ST1201～ST1209，可获得以下这样的列表，该列表对在当前时刻k其它车60b可取得的移动预测范围和表示它们相对地以何种程度的可能性来实现的相对可靠度进行一览显示。该列表被输出至本装置碰撞可能性估计部11b，用于判定与本车50的碰撞可能性。

另外，以上，根据其它车60b与周边车辆的相对距离来算出可靠度，但也可以根据“其它车60b避开与在发生碰撞时认为受害大的车辆接近的轨道”的观点，从其它车60b与周边车辆的相对速度算出可靠度。另外，也可以基于“其它车60b越是平缓的车道变更则越容易选择”的观点，越是使得其它车60b的车道变更时的角度平缓的移动预测范围，则越提高可靠度。

再次返回至图9所示的碰撞防止装置的整体动作，本装置运动传感器8观测包含本车50的位置以及速度在内的运动要素(步骤ST908，本装置运动步骤)。该处理与实施方式1相同。表示该本装置运动传感器8的观测结果的信息(本装置运动数据)被输出至本装置运动数据存储部9而存储。

然后，本装置运动预测部10根据本装置运动数据存储部9所存储的本装置运动数据，预测本车50的未来的位置以及速度，根据该预测误差协方差矩阵算出本车50的移动预测范围(步骤ST909，本装置运动预测步骤)。该处理与实施方式1相同。表示由该本装置运动预测部10算出的本车50的移动预测范围的信息被输出至本装置碰撞可能性估计部11b。

然后，本装置碰撞可能性估计部11b根据由目标运动预测部15获得的列表所示的其它车60的移动预测范围与由本装置运动预测部10算出的本车50的移动预测范围的重叠、以及该列表所示的其它车60的移动预测范围的可靠度(相对可靠度)，估计本车50与其它车60的碰撞可能性(步骤ST910，本装置碰撞可能性估计步骤)。

具体地说，根据下式(65)的是否成立，估计上述碰撞可能性。然后，在下式(65)成立的情况下，估计为具有本车50与其它车60碰撞的可能性。

β_p，k×M(x_uf，k(-)；P_uf，k(-)；x_p，k；P_p，k)＜threshold_M (65)

这里，x_p，k以及P_p，k是与相对可靠度β_p，k对应的其它车60b的移动预测范围以及预测误差协方差矩阵。另外，threshold_M是预先设定的阈值参数。

表示由该本装置碰撞可能性估计部11b估计的本车50与其它车60的碰撞可能性的信息被输出至制动判断部12。

然后，制动判断部12根据本装置碰撞可能性估计部11b的估计结果，判断是否需要本车50的制动(步骤ST911，控制判断步骤)。然后，在本装置碰撞可能性估计部11b估计为具有本车50与其它车60的碰撞可能性且制动判断部12判断为需要本车50的制动的情况下，通过自动制动部13使基于自动制动的本车50的减速功能进行动作，或者通过警告产生部14向本车50的驾驶员进行表示在当前时刻需要制动操作的消息的提示或声音的输出。

通过定期地反复进行以上的处理，能够始终进行本车50的碰撞防止对策。

如以上那样，根据该实施方式2，构成为，根据其它车60之间的位置以及速度，使车道移动模型的数量可变，所以，能够进行考虑了例如图10所示的并行车的车道变更开始延迟的情况的预测，相对于实施方式1，与本车50的碰撞可能性的判断精度进一步提高。另外，在实施方式2中，因为根据其它车60之间的位置以及速度，使车道移动模型的数量可变，所以，能够省略实现可能性低的移动预测范围的计算处理，削减其它车60的计算处理中的运算负担。

实施方式3.

在实施方式2中示出了以下这样的情况：根据其它车60的周围空间的空闲状况，将车道变更的开始时刻设定为1个以上，使车道移动模型(路线变更模型)的数量可变。与此相对，在实施方式3中示出以下的情况：根据其它车60的周围空间的空闲状况，分别将减速模型的参数以及车道移动模型的参数设定为1个以上。

图14是示出本发明的实施方式3的碰撞防止装置的结构的图。该图14所示的实施方式3的碰撞防止装置在图8所示的实施方式2的碰撞防止装置中追加了减速参数设定部157，设置多个减速预测部152，将路线变更开始时刻设定部153变更为路线变更参数设定部158。其它的结构相同，标注相同的符号，仅对不同的部分进行说明。

减速参数设定部157基于目标跟踪数据存储部4所存储的目标跟踪数据，根据其它车60彼此间的位置以及速度，将减速模型的参数设定为1个以上。表示由该减速参数设定部157设定的参数的信息分别被输出至对应的减速预测部152。

另外，减速预测部152采用由减速参数设定部157设定的对应的参数，假定减速模型，算出其它车60的移动预测范围(减速移动预测范围)。

路线变更参数设定部158根据目标跟踪数据存储部4所存储的目标跟踪数据，基于其它车60彼此间的位置以及速度，将车道移动模型的参数设定为1个以上。表示由该路线变更参数设定部158设定的参数的信息分别被输出至对应的路线变更预测部154。

另外，路线变更预测部154采用由路线变更参数设定部158设定的对应的参数，假定车道移动模型，算出其它车60的移动预测范围(车道移动预测范围)。

这里，由减速参数设定部157设定的减速模型的参数例如是其它车60的加速度。

另外，由路线变更参数设定部158设定的车道移动模型的参数例如可举出：表示从当前时刻起几秒后开始车道变更的车道变更开始时刻、表示相对于车道以何种程度的角度进行车道变更的车道变更角度(路线变更角度)、表示在开始车道变更之前以何种程度进行加速或减速的车道变更前加速度、表示在车道变更中以何种程度进行加速或减速的车道变更中加速度、表示在结束车道变更之后以何种程度进行加速或减速的车道变更后加速度。

如以上那样，根据该实施方式3，构成为，根据其它车60之间的位置以及速度，与其它车60的周围空间的空闲状况相应地将减速模型的参数以及车道移动模型的参数设定为1个以上，因此，能够预测例如其它车60根据前方车的速度进行减速的运动，相对于实施方式1，与本车50的碰撞可能性的判断精度进一步提高。另外，能够预测其它车60根据车道变更目的地的车间距来调整车道变更角度、车道变更前后的加速度的运动，与本车50的碰撞可能性的判断精度进一步提高。

此外，以上，以将本发明的碰撞防止装置应用于汽车并避免本车50与存在于其周围的其它车60的碰撞的情况为例进行了说明。但是，不限于此，也可以将本发明的碰撞防止装置应用于其它移动体(船舶、飞机等)，来避免与存在于其周围的目标(船舶、飞机等)的碰撞，能够获得同样的效果。

另外，本申请发明在其发明的范围内，可进行各实施方式的自由组合、各实施方式的任意的构成要素的变形或者在各实施方式中省略任意的构成要素。

工业上的可利用性

本发明的碰撞防止装置适合应用于能够检测多个目标的运动来提高运动预测的精度并预测存在于搭载有本装置的移动体的周围的目标的运动来避免与该移动体的碰撞的碰撞防止装置等。

标号说明

1目标观测传感器，2目标观测值数据存储部，3目标跟踪部，4目标跟踪数据存储部，5目标运动预测部，6目标间碰撞可能性估计部，7目标运动重新预测部，8本装置运动传感器，9本装置运动数据存储部，10本装置运动预测部，11、11b本装置碰撞可能性估计部，12制动判断部，13自动制动部，14警告产生部，15目标运动预测部，50本车，60、60a～60c其它车，151匀速预测部，152减速预测部，153路线变更开始时刻设定部，154路线变更预测部，155路线变更预测存储部，156可靠度比较部，157减速参数设定部，158路线变更参数设定部。

Claims (7)

1.一种碰撞防止装置，其具备：

目标观测传感器，其观测搭载有本装置的移动体的周围存在的目标；

目标跟踪部，其根据所述目标观测传感器的观测结果，跟踪所述目标；

目标运动预测部，其根据所述目标跟踪部的跟踪结果，算出所述目标的移动预测范围；

目标间碰撞可能性估计部，在存在多个所述目标的情况下，所述目标间碰撞可能性估计部根据由所述目标运动预测部算出的所述目标的移动预测范围的重叠，估计该目标彼此间的碰撞可能性；

目标运动重新预测部，其在由所述目标间碰撞可能性估计部估计为具有所述目标彼此间的碰撞可能性的情况下，重新计算避免碰撞的该目标的移动预测范围；

本装置运动传感器，其观测所述移动体的运动；

本装置运动预测部，其根据所述本装置运动传感器的观测结果，算出所述移动体的移动预测范围；以及

本装置碰撞可能性估计部，其根据由所述目标运动预测部或所述目标运动重新预测部算出的没有所述目标彼此间的碰撞可能性的该目标的移动预测范围与由所述本装置运动预测部算出的所述移动体的移动预测范围的重叠，估计该移动体与该目标的碰撞可能性。

2.根据权利要求1所述的碰撞防止装置，其特征在于，

所述目标运动重新预测部在所述目标为了避免碰撞而进行的运动的选择中，根据该目标的周围空间的空闲状况针对该运动赋予权重。

3.根据权利要求1所述的碰撞防止装置，其特征在于，

所述目标运动重新预测部在所述目标为了避免碰撞而进行的运动的选择中，以使该目标优先进行直线行进运动的方式针对该运动赋予权重。

4.一种碰撞防止装置，其具备：

目标观测传感器，其观测搭载有本装置的移动体的周围存在的目标；

目标跟踪部，其根据所述目标观测传感器的观测结果，跟踪所述目标；

目标运动预测部，其基于所述目标跟踪部的跟踪结果，根据所述目标彼此间的位置以及速度设定运动模型，算出该目标的移动预测范围以及该移动预测范围的可靠度；

本装置运动传感器，其观测所述移动体的运动；

本装置运动预测部，其根据所述本装置运动传感器的观测结果，算出所述移动体的移动预测范围；以及

本装置碰撞可能性估计部，其根据由所述目标运动预测部算出的所述目标的移动预测范围与由所述本装置运动预测部算出的所述移动体的移动预测范围的重叠、以及该目标的移动预测范围的可靠度，估计该移动体与该目标的碰撞可能性。

5.根据权利要求4所述的碰撞防止装置，其特征在于，

所述目标运动预测部根据所述目标的周围空间的空闲状况，将作为所述目标的运动模型的路线变更模型中的路线变更的开始时刻设定为1个以上。

6.根据权利要求4所述的碰撞防止装置，其特征在于，

所述目标运动预测部根据所述目标的周围空间的空闲状况，将作为所述目标的运动模型的减速模型中的加速度设定为1个以上。

7.根据权利要求4所述的碰撞防止装置，其特征在于，

所述目标运动预测部根据所述目标的周围空间的空闲状况，将作为所述目标的运动模型的路线变更模型中的加速度以及路线变更角度设定为1个以上。