CN110352450A - 驾驶辅助方法及驾驶辅助装置 - Google Patents

Abstract

本发明的驾驶辅助方法检测在本车辆(51)的周围产生本车辆(51)的死角区域(54)的移动物体(52)的行为，并基于本车辆(51)周围的道路结构预测在死角区域(54)中存在障碍物(53)的情况下移动物体(52)采取的动作候补，通过比较移动物体(52)的行为和移动物体(52)采取的动作候补，预测移动物体(52)的动作。

Description

驾驶辅助方法及驾驶辅助装置

技术领域

本发明涉及一种驾驶辅助方法及驾驶辅助装置。

背景技术

一直以来，已知有在车辆行驶在存在死角的状况的情况下根据其状况来控制车辆的车辆控制装置(参照专利文献1)。专利文献1的车辆控制装置检测对于本车辆成为死角的死角区域，并判断有可能从死角区域出现的移动物体的前进路线与车辆的前进路线的相对优先度，基于所判断的优先度，输出针对本车辆的控制信号。

专利文献

专利文献1：国际公开第2016-104198号

但是，专利文献1的车辆控制装置即使能够预测从死角区域出现的物体，也无法预测将成为产生死角区域的原因的移动物体与死角区域中存在的物体相对应的动作。因此，在产生死角区域的移动物体的行为急剧变化的情况下，本车辆的行为也需急剧变化，因此给乘客带来不适感。

发明内容

本发明是为了解决上述目前的课题而完成的，其目的在于提供一种能够抑制本车辆的行为的急剧变化，减轻给乘客带来的不适感的驾驶辅助方法及驾驶辅助装置。

本发明的一个方式的驾驶辅助方法及驾驶辅助装置，检测在本车辆的周围产生本车辆的死角区域的移动物体的行为，并基于本车辆周围的道路结构预测在死角区域中存在障碍物的情况下移动物体采取的动作候补，通过比较移动物体的行为和移动物体采取的动作候补，预测移动物体的动作。

发明效果

根据本发明的一个方式，能够提供一种抑制本车辆的行为的急剧变化，减轻给乘客带来的不适感的驾驶辅助方法以及驾驶辅助装置。

附图说明

图1是表示实施方式的驾驶辅助装置的结构的框图。

图2是表示图1的驾驶辅助装置的动作的一例的流程图。

图3是表示图1的步骤06的详细顺序的一例的流程图。

图4A是表示本车辆51及其他车辆(并行车辆52)在向2车道的右侧的弯道上并行行驶的行驶场景的平面图。

图4B是表示从图4A开始经过了规定时间的状态的平面图。

图5是表示作为本车辆51及并行车辆52在向2车道的右侧的弯道上并列行驶的行驶场景中的基本轨迹的例的直行轨迹61及车道变更轨迹62的平面图。

图6是表示作为与图5相同的行驶场景中的基本轨迹的其他例的障碍物回避轨迹63的平面图。

图7是放大了图6的并行车辆52的前方部分的平面图，是比较了基本轨迹(直行轨迹61)和有效轨迹71的图。

图8是放大了图6的并行车辆52的前方部分的平面图，是比较了基本轨迹(车道变更轨迹62)和有效轨迹72的图。

图9是放大了图6的并行车辆52的前方部分的平面图，是比较了基本轨迹(障碍物回避轨迹63)和有效轨迹73的图。

图10是表示作为本车辆51及并行车辆92在交叉路口并行行驶的行驶场景中的基本轨迹的例的右转轨迹81的平面图。

图11是表示作为与图10相同的行驶场景中的基本轨迹的另一例的障碍物回避轨迹83的平面图。

具体实施方式

下面，参照附图详细说明实施方式。

实施方式的驾驶辅助装置例如在图4A及图4B所示的行驶场景中有效地发挥功能。在图4A及图4B表示在向2车道的右侧的弯道上，本车辆51在左侧车道上行驶，其他车辆(移动物体的一例)52在本车辆51的斜前方的右侧车道上并行行驶，在右侧车道的前方存在停车车辆(物体的一例)53的行驶场景。在该行驶场景中，预想到其他车辆(以下称为“并行车辆”)52为了避免与停车车辆53的接触而向从右侧车道的宽度方向中央向左侧移动、即所谓的采取回避动作。

但是，在道路前方，由于并行车辆52而产生本车辆51的死角区域54，停车车辆53位于死角区域54中。因此，即使从并行车辆52看到停车车辆53，但是从本车辆51却看不到停车车辆53，因此搭载在本车辆51上的物体检测传感器无法检测到停车车辆53。因此，本车辆51无法根据存在于死角区域54中的停车车辆53预测到并行车辆52采取回避动作。因此，在由于回避动作而使并行车辆52的行为急剧变化的情况下，需要使本车辆51的行为急剧变化，因此，会给本车辆51的乘客带来不适感。

于是，实施方式的驾驶辅助装置在本车辆51行驶在由于位于其周围的并行车辆(移动物体的一例)52而形成死角区域54的状况的情况下，考虑死角区域54来辅助本车辆51的驾驶。具体而言，驾驶辅助装置在死角区域54中存在其他物体(例如停车车辆53、行人)的假设下，预测产生死角区域54的并行车辆52的动作，并基于预测的并行车辆52的动作来控制本车辆51的速度及转向角。

参照图1，说明实施方式的驾驶辅助装置的结构。驾驶辅助装置具备：物体检测装置1、本车位置推定装置3、地图获取装置4及微型计算机100。

物体检测装置1具备搭载在本车辆51上的激光雷达、毫米波雷达、摄像机等对本车辆51周围的物体进行检测的多个不同种类的物体检测传感器。物体检测装置1利用多个物体检测传感器来检测本车辆51周围的物体。物体检测装置1检测包括其他车辆、摩托车、自行车、行人在内的移动物体、以及包括停车车辆在内的静止物体。例如，检测移动物体和静止物体相对于本车辆51的位置、姿态、大小、速度、加速度、减速度、横摆率。另外，将物体的位置、姿态(横摆角)、大小、速度、加速度、减速度、横摆率统称为物体的“行为(举动)”。作为检测结果，物体检测装置1输出例如从本车辆51上方的空中观察的天顶图中的二维物体的行为。

本车位置推定装置3具备搭载在本车辆51上的GPS(全球定位系统)以及测距仪等测量本车辆51的绝对位置的位置检测传感器。本车位置推定装置3利用位置检测传感器测量本车辆51的绝对位置、即本车辆51相对于规定基准点的位置、姿态及速度。

地图获取装置4获取表示本车辆51行驶的道路的结构的地图信息。地图获取装置4可以拥有存储地图信息的地图数据库，也可以通过云计算从外部的地图数据服务器获取地图信息。地图获取装置4获取的地图信息中包含车道的绝对位置、车道的连接关系、相对位置关系等道路结构的信息。

微型计算机100(控制部的一例)基于物体检测装置1和本车位置推定装置3的检测结果以及地图获取装置4的获取信息，预测其他车辆的动作，根据其他车辆的动作生成本车辆51的路径，并根据生成的路径控制本车辆51。

微型计算机100是具备CPU(中央处理装置)、存储器及输入/输出部的通用微型计算机。在微型计算机100中安装有用于作为驾驶辅助装置发挥功能的计算机程序(驾驶辅助程序)。通过执行计算机程序，微型计算机100作为驾驶辅助装置所具备的多个信息处理电路(2a、2b、5、10、21、22)发挥功能。另外，在此，表示了通过软件来实现驾驶辅助装置所具备的多个信息处理电路(2a、2b、5、10、21、22)的示例，但当然也可以准备用于执行以下所示的各信息处理的专用硬件，构成信息处理电路(2a、2b、5、10、21、22)。另外，多个信息处理电路(2a、2b、5、10、21、22)也可以由单独的硬件构成。另外，信息处理电路(2a、2b、5、10、21、22)也可以兼用作与车辆有关的其他控制中利用的电子控制单元(ECU)。

微型计算机100作为多个信息处理电路(2a、2b、5、10、21、22)具备：检测整合部2a、物体追踪部2b、地图内位置运算部5、动作预测部10、本车路径生成部21及车辆控制部22。另外，动作预测部10具备：行为判断部11、动作候补预测部12、第一动作候补修正部13、死角区域检测部14、第二动作候补修正部15、轨迹预测部16、似然度推定部17。

检测整合部2a整合从物体检测装置1所具备的多个物体检测传感器分别获得的多个检测结果，对各物体输出一个检测结果。具体而言，根据从各个物体检测传感器获得的物体的行为，在考虑了各物体检测传感器的误差特性等的基础上，计算出误差最小的最合理的物体的行为。具体而言，通过利用已知的传感器融合技术，综合评价由多种传感器获取的检测结果，从而获得更正确的检测结果。

物体追踪部2b追踪由物体检测装置1检测出的物体。具体而言，根据由检测整合部2a整合后的检测结果，并根据在不同时刻输出的物体的行为，进行不同时刻间的物体的同一性的验证(建立对应关系)，并且，基于该建立对应关系预测物体的行为。另外，在不同时刻输出的物体的行为存储到微型计算机100内的存储器中，在后述的轨迹预测时利用。

地图内位置运算部5根据通过本车位置推定装置3获得的本车辆51的绝对位置、以及通过地图获取装置4获取的地图数据，推定地图上的本车辆51的位置以及姿态。例如，确定本车辆51行驶的道路、以及该道路中的本车辆51行驶的车道。

在动作预测部10中，基于通过检测整合部2a获得的检测结果和通过地图内位置运算部5确定的本车辆51的位置，预测本车辆51周围的移动物体的动作。以下，对动作预测部10的具体结构进行说明。

行为判断部11根据地图上的本车辆51的位置和通过检测整合部2a获得的物体的行为，确定地图上的物体的行为。进而，行为判断部11在物体在地图上的位置随着时间的经过而变化的情况下，判断为该物体是“移动物体”，并根据移动物体的大小及速度判断该移动物体的属性(其他车辆、行人)。另外，在判断为移动物体是行驶中的“其他车辆”的情况下，行为判断部11判断为该其他车辆行驶的道路以及车道。

另外，在物体在地图上的位置不随着时间的经过而变化的情况下，则判断为静止物体，并根据静止物体在地图上的位置、姿态以及大小判断静止物体的属性(停车车辆、行人等)。

动作候补预测部12预测基于地图的其他车辆的动作候补。动作候补预测部12根据地图信息中所包含的道路结构以及其他车辆所属的车道信息，预测其他车辆接下来如何行驶的动作意图，并根据道路结构运算基于该动作意图的其他车辆的基本轨迹。“动作候补”是包含动作意图及基本轨迹的上位概念。“基本轨迹”不仅表示其他车辆在不同时刻的位置的曲线，而且还表示其他车辆在每个位置的速度的曲线。

例如，在其他车辆在单车线的单路及弯道上行驶的情况下，动作候补预测部12预测沿着车道的形状行驶的动作意图(直行)，并运算沿着地图上的车道的轨迹作为基本轨迹。另外，在其他车辆在多车道的单路及弯道上行驶的情况下，动作候补预测部12预测动作意图(直行)以及向右侧或左侧变更车道的动作意图(车道变更)。动作意图(车道变更)中的其他车辆的基本轨迹是基于道路结构及规定的车道变更时间进行车道变更的轨迹。进而，在交叉路口行驶的情况下，动作候补预测部12预测直行、右转及左转的动作意图，并将基于地图上的交叉路口的道路结构的直行轨迹、右转轨迹、左转轨迹作为基本轨迹进行运算。另外，在“基本轨迹”的运算中考虑道路结构，但不考虑通过检测整合部2a整合的其他车辆的行为。

与图4A及图4B同样，图5表示2车道的弯道。并行车辆52在该道路的右侧车道上行驶。动作候补预测部12根据图5的道路结构及并行车辆52的位置(行驶车道)预测直接继续在右侧车道行驶的动作意图(直行)、及从右侧车道向左侧车道变更车道的动作意图(车道变更)。而且，基于弯道的道路结构及规定的车道变更时间运算图5所示的直行轨迹61及车道变更轨迹62。这样，动作候补预测部12根据其他车辆52行驶的道路的结构预测其他车辆52的动作候补(动作意图及基本轨迹)。

第一动作候补修正部13考虑通过物体检测装置1检测出的静止物体来修正通过动作候补预测部12预测的动作候补。具体而言，第一动作候补修正部13判断其他车辆的基本轨迹与静止物体的位置是否干涉。在干涉的情况下，新追加回避静止物体的并行车辆52的动作意图以及基本轨迹。

在与图5所示的并行车辆52同时通过物体检测装置1检测到其他移动物体的情况下(省略图示)，第一动作候补修正部13考虑其他移动物体来修正由动作候补预测部12预测的动作候补。具体而言，第一动作候补修正部13时效地判断是否存在其他移动物体与并行车辆52的干涉。在移动物体之间存在干涉的情况下，新追加回避与其他移动物体的干涉的并行车辆52的动作意图及基本轨迹。

死角区域检测部14检测由通过物体检测装置1检测出的物体产生的本车辆51的死角区域。通过物体检测装置1检测出的物体在本车辆51的周围产生本车辆51的死角区域。死角区域检测部14检测由在通过物体检测装置1检测出的物体中的其他车辆(并行车辆52)产生的本车辆51的死角区域。具体而言，在其他车辆的行进方向上的车道以某阈值以上的比例处于从本车辆51看不到的状态，且该状态在某一定的时间连续的情况下，判断为由于该其他车辆的存在而产生了本车辆51的死角区域。例如，在从本车辆51看不到其他车辆的行进方向的车道区域的50％以上的区域的状态、且该状态在500毫秒的期间连续的情况下，判断为该其他车辆是产生死角区域的物体，并检测该死角区域。由此，确定地图上的死角区域的位置。但是，阈值可以不是固定值，也可以根据地图中的地点、状况进行变更。

第二动作候补修正部15考虑死角区域来修正由动作候补预测部12预测的动作候补。具体而言，第二动作候补修正部15预测在死角区域中存在障碍物的情况下其他车辆采取的动作候补，并追加到由动作候补预测部12预测的动作候补中。首先，第二动作候补修正部15假设在死角区域内存在停车于道路上的车辆等促使其他车辆的行驶变化的障碍物。另外，第二动作候补修正部15根据该假设预测产生死角区域的其他车辆回避死角区域内的障碍物的动作意图，并基于道路结构运算基于该动作意图的其他车辆的基本轨迹。

例如，如图6所示，在本车辆51的周围，通过物体检测装置1检测出产生本车辆51的死角区域54的并行车辆52。第二动作候补修正部15建立在死角区域54中存在停车车辆53(障碍物的一例)的假设。具体而言，在2车道的弯道上，本车辆51由于与位于斜前方的并行车辆52(移动物体的一例)并列行驶，从而并行车辆52行驶的右侧车道的前方在时间上连续而成为死角区域54。在该行驶场景中，第二动作候补修正部15例如建立在并行车辆52行驶的右侧车道的前方存在停车车辆53的假设。第二动作候补修正部15基于该假设，预测回避与停车车辆53的干涉的并行车辆52的动作意图(障碍物回避)，并运算基于该动作意图(障碍物回避)的基本轨迹(障碍物回避轨迹63)。基本轨迹(障碍物回避轨迹63)被追加到已经运算出的基本轨迹(61、62)中。

这样，动作候补预测部12根据并行车辆52行驶的道路的结构来预测动作意图(直行以及车道变更)并运算图5的直行轨迹61以及车道变更轨迹62。另外，第二动作候补修正部15预测考虑了死角区域的动作意图(障碍物回避)，并根据道路的结构运算图6的障碍物回避轨迹63。

轨迹预测部16基于在行为判断部11中检测出的行为，预测其他车辆采取的轨迹(有效轨迹)。具体而言，轨迹预测部16利用例如卡尔曼滤波器等已知的状态推定技术，运算按照上述预测的动作意图进行动作的情况下的其他车辆的有效轨迹。有效轨迹与基本轨迹同样地，不仅表示其他车辆在不同时刻的位置，而且还表示其他车辆在每个位置的速度曲线。有效轨迹和基本轨迹在都是其他车辆采取的轨迹这一点上是共通的，但有效轨迹是考虑其他车辆的行为而运算的，但基本轨迹是不考虑其他车辆的行为而运算的这一点上两者不同。

图6所示的基本轨迹(61、62、63)是基于动作意图及道路结构导出的其他车辆52的轨迹，没有考虑其他车辆52的行为。因此，例如，由于没有考虑其他车辆52的当前姿态(横摆角)，因此，从其他车辆52的当前位置朝向不同的方向延伸有多个基本轨迹(61、62、63)。与此相对，轨迹预测部16考虑其他车辆52的行为运算沿着上述动作意图的轨迹(有效轨迹)。换言之，运算获取了沿着上述动作意图的动作的情况下的其他车辆52的有效轨迹。

参照图7～图9，对基于在2车道的弯道的右侧车道上行驶的并行车辆52的姿态及速度(行为的示例)运算并行车辆52的有效轨迹的示例进行说明。

在图7～图9中，并行车辆52的姿态(横摆角)比沿着道路的形状行驶的基本轨迹61更向左侧倾斜，其他车辆52的速度仅由行驶方向的速度成分构成，车辆宽度方向上的速度成分为零。即，并行车辆52处于直行状态。因此，在以该姿态及速度为起点并行车辆52按照沿着道路形状行驶的动作意图行驶的情况下，如图7所示，成为短暂地从基本轨迹61向左侧离开之后再接近基本轨迹61并与其一致的有效轨迹71。换言之，预测绘制修正从行驶车道偏离的修正轨迹(过冲轨迹)。轨迹预测部16预测以并行车辆52的姿态(横摆角)以及速度为起点按照沿着道路形状行驶的动作意图行驶的有效轨迹71。

接着，在并行车辆52以相同的姿态和速度为起点按照车道变更的动作意图行驶的情况下，如图8所示，成为开始向左方向的转弯，在移动到左侧车道之后，向右转弯并向沿着左侧车道的轨迹修正的有效轨迹72。即，描绘由舵角从中立位置的状态开始的左转的回旋曲线以及右转的回旋曲线构成的有效轨迹72。因此，有效轨迹72成为花费比运算车道变更轨迹62时的(规定的车道变更时间)更长的时间来完成车道变更的轨迹。另外，描绘执行轨迹时的曲线不一定必须是回旋曲线，也可以利用其他曲线进行描绘。

接着，在其他车辆52以相同的姿态及速度为起点按照障碍物回避的动作意图行驶的情况下，如图9所示，成为短暂地靠近车道中央的左侧，省略了图示，但在通过障碍物(停车车辆53)的旁边之后再次返回右侧车道的有效轨迹73。如图9所示，成为与障碍物回避中的基本轨迹63大致相同的轨迹。

在此，作为并行车辆52的行为考虑了姿态及速度，但也可以考虑并行车辆52的位置、加速度、减速度来运算有效轨迹。例如，可以预测与直行及车道变更相比，障碍物回避时的减速度变大的情况。

似然度推定部17通过将由动作候补预测部12、第一动作候补修正部13以及第二动作候补修正部15预测的动作候补与由检测整合部2a整合的其他车辆的行为进行对比，来预测其他车辆的动作。

具体而言，似然度推定部17对于由动作候补预测部12、第一动作候补修正部13以及第二动作候补修正部15预测的各个动作候补，分别对基本轨迹与有效轨迹进行对比。另外，根据基本轨迹与有效轨迹的差异求出各动作候补的似然度。基本轨迹与有效轨迹的差异越小，计算出的似然度就越高。如果考虑并行车辆52的行为，则可以判断出似然度最高的运算出的动作候补是最有可能的动作候补。因此，似然度推定部17将似然度被评价为最高的动作候补确定为并行车辆52的动作。基本轨迹与有效轨迹的差异例如基于两轨迹间的位置以及速度的曲线的差异的总和来运算。图7～图9所示的面积S1～S3是对基本轨迹与有效轨迹的位置的差异进行积分而获得的总和的一例。可以判断为面积越窄则位置的差异越小，因此计算出高似然度。作为其他示例，即使位置的差异较小，但在速度的曲线有很大差异的情况下，也能够运算出低似然度。另外，似然度是表示该动作候补实际产生的可能性的指标的一例，也可以是似然度以外的表现。

如以上说明的那样，在动作预测部10中，基于由似然度推定部17设想的各动作候补的似然度，预测在本车辆51的周围产生死角区域54的其他车辆的动作。另外，“其他车辆的动作”包括其他车辆的轨迹及速度的曲线。其他车辆52的轨迹表示其他车辆52在不同时刻的位置的曲线。

本车路径生成部21基于由动作预测部10预测的其他车辆的动作生成本车辆51的路径。在预测到障碍物回避的动作的情况下，可以在预测到障碍物的存在的基础上生成路径。因此，能够生成本车辆51不与其他车辆碰撞、且本车辆51不会根据其他车辆的行为而成为急减速或急转向的平滑的路径“。本车辆51的路径”不仅表示不同时刻的本车辆51的位置的曲线，还表示各位置的本车辆51的速度的曲线。

在此，基于地图上的其他车辆的行为预测包含其他车辆的轨迹的其他车辆的动作。因此，基于其他车辆的轨迹生成本车辆51的路径是基于与其他车辆52的相对距离的变化、加减速度或姿态角的差而生成本车辆51的路径。例如，在与产生死角区域54的其他车辆的相对距离变大、或者本车辆51与其他车辆的姿态角的差发生变化、或者其他车辆的加减速度发生变化的情况下，车道变更或障碍物回避的动作候补的似然度变高。因此，本车路径生成部21生成与车道变更或障碍物回避的动作候补对应的本车辆51的路径。进而，也可以以使其他车辆相对于本车辆51的相对距离变大的方式生成本车辆51的路径。

另外，在图6所示的行驶场景中，在并行车辆52的速度低或者减速度大，且从本车道的中央向左侧的偏离量少的情况下，并行车辆52的行为可以解释为表示了将道路让给本车辆51而想让本车辆51先通过的动作意图。通过考虑该动作意图而形成本车辆51的路径或者控制本车辆51，本车辆51能够不减速地行驶，因此，能够回避与并行车辆52的干涉。由此，相对于产生死角的并行车辆52，能够更安全地、不产生急转向或急刹车地早期生成本车辆51的路径，能够更安全地控制本车辆51。

在车辆控制部22中，以使本车辆51按照由本车辆路径生成部21生成的路径行驶的方式，并基于由地图内位置运算部5运算出的自身位置，驱动转向促动器、加速器踏板促动器、及制动器踏板促动器中的至少一个。另外，在实施方式中，表示了按照本车辆51的路径进行控制的情况，但也可以不生成本车辆51的路径而控制本车辆51。该情况下，也可以基于与其他车辆的相对距离、或者其他车辆与本车辆51的姿态角的差进行控制。

进而，也可以通过比较其他车辆的行为和动作候补代替其他车辆的动作来预测死角区域54的状况。作为死角区域54的状况的示例，也可以预测在死角区域54中存在自行车或行人来代替停车车辆53。例如，在假设行人或自行车的情况下，与停车车辆53相比其他车辆的行为不同。例如，在假设行人或自行车的情况下，产生其他车辆的速度变低、或者减速度变大、回避行为中的轨迹的描绘方法不同的差异。通过比较其他车辆的行为和动作候补，能够预测死角区域54的状况。

接着，参照图10及图11，对本车辆辆51及并行车辆92在交叉路口并行行驶的行驶场景中的驾驶辅助装置的动作进行说明。首先，动作候补预测部12基于交叉路口的道路结构，预测并行车辆92的直行、右转及左转的动作意图，并运算基于交叉路口的道路结构的直行轨迹、右转轨迹、左转轨迹作为基本轨迹。在图10中图示了将并行车辆92的右转轨迹81作为基本轨迹的一例。图11表示与图10相同的行驶场景。如图11所示，由并行车辆92产生本车辆51的死角区域74。在死角区域74中存在障碍物93的情况下，即使从并行车辆92看到障碍物93，也不会从本车辆51看到障碍物93，因此，搭载在本车辆51上的物体检测传感器无法检测出障碍物93。

于是，第二动作候补修正部15建立在死角区域74中存在障碍物93的假设。第二动作候补修正部15根据该假设预测回避与障碍物93的干涉的并行车辆92的动作意图(障碍物回避)，并运算基于该动作意图(障碍物回避)的基本轨迹(障碍物回避轨迹83)。基本轨迹(障碍物回避轨迹83)被追加到已经运算出的基本轨迹81中。如图11所示，右转轨迹81和障碍物回避轨迹83从并行车辆92的当前位置向不同的方向延伸。轨迹预测部16考虑并行车辆92的行为(姿态、速度)针对各个动作意图(右转、障碍物回避)运算有效轨迹。并且，似然度推定部17针对各个动作候补(直行、障碍物回避)，通过对比基本轨迹(81、83)和有效轨迹预测并行车辆92的动作。

参照图2及图3，对实施方式的驾驶辅助方法进行说明。首先，在步骤S01中，物体检测装置1利用多个物体检测传感器来检测本车辆51周围的物体的行为。进入步骤S02，检测整合部2a将从多个物体检测传感器分别获得的多个检测结果进行整合，并对各物体输出一个检测结果。并且，物体追踪部2b追踪检测及整合后的各物体。

进入步骤S03，本车位置推定装置3利用位置检测传感器测量本车辆51相对于规定基准点的位置、姿态及速度。进入步骤S04，地图获取装置4获取表示本车辆51行驶的道路的结构的地图信息。

进入步骤S05，地图内位置运算部5根据在步骤S03中测量的本车辆51的位置、以及在步骤S04中获取的地图数据，推定本车辆51在地图上的位置以及姿态。进入步骤S06，动作预测部10基于在步骤S02中获得的检测结果(其他车辆的行为)和在步骤S05中确定的本车辆51的位置，预测本车辆51周围的其他车辆的动作。

参照图3，说明步骤S06的详细情况。首先，在步骤S611中，行为判断部11根据地图上的本车辆51的位置和在步骤S02中获得的物体的行为，判断为其他车辆行驶的道路和车道。进入步骤S612，动作候补预测部12预测基于地图的其他车辆的动作候补。例如，根据道路结构预测动作意图(直行、车道变更)，并运算图5所示的直行轨迹61及车道变更轨迹62。

进入步骤S613，微型计算机100对在步骤S01中检测出的所有其他车辆实施步骤S611及S612。在实施后(步骤S613中为“是”)，进入步骤S614，第一动作候补修正部13考虑在步骤S01中同时检测出的静止物体，修正在步骤S612中预测的动作候补。例如追加回避静止物体的基本轨迹。

进入步骤S615，在与图5所示的并行车辆52同时在步骤S01中检测出其他移动物体的情况下，第一动作候补修正部13考虑其他移动物体，修正在步骤S612中预测的动作候选。

进入步骤S616，死角区域检测部14判断在步骤S01中检测出的物体是否产生本车辆51的死角区域。在产生的情况下(S616中为“是”)进入步骤S617，第二动作候选修正部15考虑死角区域修正由动作候选预测部12预测的动作候选。具体而言，如图6所示，首先，建立在死角区域54内存在停车于道路上的车辆(停车车辆53)等促使并行车辆52的行驶变化的障碍物的假设。另外，根据该假设预测产生死角区域54的并行车辆52回避死角区域54内的停车车辆53的动作意图，并根据道路结构运算基于该动作意图的并行车辆52的基本轨迹(障碍物回避轨迹63)。之后，处理进入步骤S618。

另一方面，在不产生的情况下(S616中为“是”)进入步骤S618。微型计算机100对在步骤S01中检测出的所有其他车辆实施步骤S614～S617。在实施之后(S618中为“是”)，进入步骤S619，轨迹预测部16利用例如卡尔曼滤波器等已知的状态推定技术运算维持其他车辆的行为，并根据预测的动作意图动作时的其他车辆的有效轨迹(71～73)。

进入步骤S620，似然度推定部17对在S612、S614、S615及S617预测的各个动作候补，对比基本轨迹(61～63)与有效轨迹(71～73)。另外，根据基本轨迹与有效轨迹的差异求出各动作候补的似然度。基于各动作候补的似然度，预测在本车辆51的周围产生死角区域54的其他车辆的动作。

进入步骤S621，微型计算机100对在步骤S01中检测出的所有其他车辆实施步骤S619～S620。由此，图2的步骤S06结束。

进入图2的步骤S07，本车路径生成部21基于由步骤S06预测的其他车辆的动作生成本车辆51的路径。进入步骤S08，车辆控制部22控制本车辆51以使本车辆51按照在步骤S07中生成的路径行驶。

如以上说明的那样，根据实施方式，能够获得以下的作用效果。

通过比较在死角区域54中存在障碍物93或停车车辆53的情况下移动物体(并行车辆52、92)采取的动作候补和并行车辆52、92的实际的行为，预测并行车辆52、92的动作。由此，能够基于在死角区域54中存在障碍物93或停车车辆53的假设来预测并行车辆52、92的动作，因此能够基于该假设来控制本车辆51。因此，在死角区域54中实际存在停车车辆53等障碍物93的情况下，由于本车辆51能够更早地进行初始动作，因此能够抑制本车辆51的行为的急剧变化，从而能够抑制给乘客带来的不适感。另外，在本实施方式中，能够基于在死角区域54中存在障碍物93或停车车辆53的假设来预测并行车辆52、92的动作，因此与不进行预测的情况相比，能够更迅速地进行初始动作。另外，在本实施方式中，由于能够正确地预测移动物体(并行车辆52、92)是要进行车道变更还是要进行回避行动等移动物体(并行车辆52、92)的行动，因此与不进行预测的情况相比，能够准确地辅助本车辆的行驶。另外，一般认为在执行即使没有来自驾驶员的指示也行驶的自动驾驶控制的车辆中，由于不能正确地预测移动物体(并行车辆52、92)的行动而不能继续进行自动驾驶控制，但通过应用本实施方式，能够抑制该情况的发生。进而，在死角区域54中实际存在停车车辆53等障碍物93的情况下，能够使移动物体在障碍物93的跟前暂时减速，之后，进行车道变更或对障碍物的回避行动。在本实施方式中，作为在该情况下因停车车辆53的存在而移动物体采取的动作候补，预测到减速的情况。即，在本实施方式中，如果实际检测出移动物体的减速，则在发生车道变更或对障碍物的回避行动之前，能够预测其他车辆进行车道变更或对障碍物的回避行动的情况。因此，本车辆51能够更早地进行初始动作，所以能够抑制本车辆51的行为的急剧变化，从而能够抑制给乘客带来的不适感。

驾驶辅助装置基于预测的并行车辆52、92的动作生成本车辆51的路径，并基于本车辆51的路径控制本车辆51。由此，基于并行车辆52、92的动作生成本车辆51的路径，因此能够生成相对于风险更安全的本车辆51的路径。

通过比较并行车辆52、92的行为和并行车辆52、92采取的动作候补来预测并行车辆52、92的轨迹。由此，能够根据预测的并行车辆52、92的轨迹执行本车辆51的控制，因此能够抑制本车辆51的行为的急剧变化，从而能够抑制给乘客带来的不适感。

驾驶辅助装置也可以检测并行车辆52、92相对于本车辆51的相对距离的变化，并基于相对距离的变化生成本车辆51的路径。由此，能够在相对位置变化时迅速生成平滑的本车辆51的行为。

作为并行车辆52、92相对于本车辆51的相对距离的变化，驾驶辅助装置也可以检测并行车辆52、92的加速度或减速度，并根据加速度或减速度生成本车辆51的路径。通过考虑加速度或减速度，能够迅速地生成本车辆51相对于更急的加减速的平滑的行为。

驾驶辅助装置也可以检测并行车辆52、92与本车辆51的姿态角的差，并基于姿态角的差生成本车辆51的路径。由此，在姿态角变化时能够迅速地生成平滑的本车辆51的行为。

驾驶辅助装置以使并行车辆52、92相对于本车辆51的相对距离变大的方式生成本车辆51的路径。由此，在并行车辆52、92的行为变化时，能够更迅速地生成平滑的本车辆51的行为。

驾驶辅助装置也可以通过比较并行车辆52、92的行为和并行车辆52、92采取的动作候补来预测死角区域54的状况，并预测与死角区域的状况对应的移动物体的动作。由此，能够预测与预测到的死角区域54的状况对应的并行车辆52、92的动作。因此，能够根据基于死角区域54的状况的并行车辆52、92的行为的预测来控制本车辆51，所以能够抑制本车辆51的行为的急剧变化，从而能够抑制给乘客带来的不适感。

比较根据动作意图基于道路结构预测的基本轨迹(61～63)和维持并行车辆52、92的行为时根据动作意图预测的并行车辆52、92采取的有效轨迹(71～73)，判断各动作候补的似然度(步骤S620)。由此，能够根据并行车辆52、92的行为正确地判断各动作候补的似然度。因此，根据并行车辆52、92的行为，本车辆51能够更早地进行适当的初始动作。

驾驶辅助装置将并行车辆52、92的行为与并行车辆52、92采取的动作候补进行比较，在并行车辆52、92的行为与并行车辆52、92采取的动作候补类似的情况下，能够基于并行车辆52、92采取的动作候补来控制本车辆。因此，在死角区域54中实际存在停车车辆53等障碍物93的情况下，本车辆51能够进行与停车车辆53等障碍物93的存在相应的适当的初始动作，所以，能够抑制本车辆51的行为的急剧变化，从而能够抑制给乘客带来的不适感。

驾驶辅助装置将并行车辆52、92的行为与并行车辆52、92采取的动作候补进行比较，在并行车辆52、92的行为与并行车辆52、92采取的动作候补不类似的情况下，能够基于并行车辆52、92的行为来控制本车辆。因此，即使产生死角区域54，本车辆51也能够进行与实际的并行车辆52、92的行为对应的适当的初始动作，所以抑制本车辆51的行为的急剧变化，从而能够抑制给乘客带来的不适感。

以上，根据实施方式对本发明的内容进行了说明，但本发明并不限定于上述记载，本领域技术人员显然能够进行各种变形及改进。

在实施方式中，示例了本车辆51是自动驾驶车辆的情况，但本车辆51也可以是手动驾驶车辆。该情况下，代替车辆控制部22，具备利用声音或图像等向驾驶员引导转向、加速器、制动器的操作的扬声器、显示器以及控制这些用户接口的控制器即可。

符号说明

51本车辆

52、92并行车辆(移动物体)

53、93停车车辆(障碍物)

54、74死角区域

61～63、81、83基本轨迹

71～73有效轨迹

S1～S3有效轨迹和基本轨迹的差异

Claims (12)

1.一种驾驶辅助方法，预测本车辆周围的移动物体的动作，并基于预测的所述移动物体的动作控制所述本车辆，其特征在于，

检测在所述本车辆的周围产生所述本车辆的死角区域的所述移动物体的行为，

基于所述本车辆周围的道路结构，预测在所述死角区域中存在障碍物的情况下所述移动物体采取的动作候补，

通过比较所述行为和所述动作候补，预测所述移动物体的动作。

2.如权利要求1所述的驾驶辅助方法，其特征在于，

基于预测的所述移动物体的动作生成所述本车辆的路径，

基于所述本车辆的路径控制所述本车辆。

3.如权利要求1或2所述的驾驶辅助方法，其特征在于，

通过比较所述行为和所述动作候补，预测所述移动物体的轨迹。

4.如权利要求2或3所述的驾驶辅助方法，其特征在于，

检测所述移动物体相对于所述本车辆的相对距离的变化，

基于所述相对距离的变化生成所述本车辆的路径。

5.如权利要求4所述的驾驶辅助方法，其特征在于，

检测所述移动物体的加速度或减速度，作为所述相对距离的变化。

根据所述加速度或减速度生成所述本车辆的路径。

6.如权利要求2或3所述的驾驶辅助方法，其特征在于，

检测所述移动物体与所述本车辆的姿态角的差，

基于所述姿态角的差生成所述本车辆的路径。

7.如权利要求2～6中任一项所述的驾驶辅助方法，其特征在于，

以所述移动物体相对于所述本车辆的相对距离变大的方式生成所述本车辆的路径。

8.如权利要求1～6中任一项所述的驾驶辅助方法，其特征在于，

通过比较所述行为和所述动作候补，预测所述死角区域的状况，

预测与所述死角区域的状况对应的所述移动物体的动作。

9.如权利要求1～8中任一项所述的驾驶辅助方法，其特征在于，

预测所述移动物体维持所述行为且所述死角区域中存在障碍物的情况下所述移动物体采取的有效轨迹，

基于所述本车辆周围的道路结构，预测在所述死角区域中存在障碍物的情况下所述移动物体采取的基本轨迹，

根据所述有效轨迹与所述基本轨迹的差异来评价所述基本轨迹的似然度，

根据所述似然度预测所述移动物体的动作。

10.如权利要求1～9中任一项所述的驾驶辅助方法，其特征在于，

在所述行为与所述动作候补类似的情况下，基于所述动作候补控制所述本车辆。

11.如权利要求1～10中任一项所述的驾驶辅助方法，其特征在于，

在所述行为与所述动作候补不类似的情况下，基于所述行为控制所述本车辆。

12.一种驾驶辅助装置，其特征在于，具备：

物体检测传感器，其检测在本车辆的周围产生所述本车辆的死角区域的移动物体的行为；

控制部，其预测所述移动物体的动作，并基于预测的所述移动物体的动作控制所述本车辆，

所述控制部基于所述本车辆周围的道路结构，预测在所述死角区域中存在障碍物的情况下所述移动物体采取的动作候补，并通过比较所述行为和所述动作候补，预测所述移动物体的动作。