CN110709911A - 行驶辅助装置的行驶辅助方法以及行驶辅助装置 - Google Patents

Abstract

本发明的行驶辅助方法，获取本车辆(51)周围的其他车辆(52)的驾驶特性，根据其他车辆(52)的驾驶特性判断其他车辆(52)是否为自动驾驶，并基于是否为自动驾驶的判断结果检测其他车辆(52)的动作。

Description

行驶辅助装置的行驶辅助方法以及行驶辅助装置

技术领域

本发明涉及一种行驶辅助方法以及行驶辅助装置，其检测本车辆周围的其他车辆的动作，并基于检测出的其他车辆的动作执行本车辆的行驶辅助。

背景技术

一直以来，已知车辆在存在死角的状况下行驶时根据其状况控制车辆的车辆控制装置(参照专利文献1)。专利文献1的车辆控制装置判断本车辆的行进路和其他车辆的行进路的相对优先级，并基于判断出的优先级预测其他车辆的动作。

专利文献

专利文献1：国际公开第2016/104198号公报

但是，专利文献1的车辆控制装置在行进路的优先级方面即使本车辆比其他车辆高，但在时间上应该使其他车辆先行驶的行驶场景中，难以正确地检测出其他车辆的动作。

发明内容

本发明是为解决上述现有的课题而进行的，其目的在于提供一种能够提高其他车辆的动作的检测精度的行驶辅助方法以及行驶辅助装置。

本发明的一方式的行驶辅助方法，检测本车辆周围的其他车辆的驾驶特性，根据其他车辆的驾驶特性判断其他车辆是否为自动驾驶，基于是否为自动驾驶的判断结果执行本车辆的行驶辅助。

根据本发明的一方式，能够提高对其它车辆的动作的检测精度。

附图说明

图1是表示实施方式的行驶辅助装置以及动作检测装置的结构的块图。

图2是表示图1的行驶辅助装置以及动作检测装置的动作的一例的流程图。

图3是表示图2的步骤06的详细顺序的一例的流程图。

图4是表示在单侧单车道的对向通行道路中，本车辆51在本车道上行驶，其他车辆52在本车辆51的前方的对向车道上行驶的行驶场景的俯视图。

图5是表示在双车道的单方通行道路上，本车辆51在右侧车道行驶，其他车辆52在本车辆51斜前方的左侧车道行驶的行驶场景的俯视图。

图6是表示在本车道上行驶的本车辆51和在对向车道上行驶的其他车辆52向同一交叉路口行驶的行驶场景的俯视图。

图7A是表示相对于到达时间差ΔT，先进入交叉区域56的概率分布的图表，左上及左下的各图表表示手动驾驶模式及自动驾驶模式下其他车辆52先行驶的概率分布，右上及右下方的各图表表示在无法确认其他车辆52是否为自动驾驶的情况下本车辆51先行驶的概率分布。

图7B是表示相对于到达时间差ΔT，先进入交叉区域56的概率分布的图表，左上以及左下的各图表表示手动驾驶模式以及自动驾驶模式下其他车辆52先行驶的概率分布，右上以及右下方的各图表表示正在确认其他车辆52是否为自动驾驶的情况下本车辆51先行驶的概率分布。

图8A是表示在双车道的弯路上行驶的其他车辆52的基本轨迹(直行)61以及有效轨迹(直行)71的俯视图。

图8B是表示在双车道的弯路上行驶的其他车辆52的基本轨迹(车道变更)62以及有效轨迹(车道变更)72的俯视图。

具体实施方式

接着，参照附图详细说明实施方式。

实施方式的行驶辅助装置例如在图4所示的行驶场景中有效地发挥作用。如图4所示，在单侧单车道的对向通行道路上，本车辆51在本车道上行驶，其他车辆52在本车辆51前方的对向车道上行驶。停车车辆53在本车辆51和其他车辆52之间的对向车道上停车。其他车辆52通过临时将行进路改变为右侧，能够避开停车车辆53并维持行进方向。因此，本车辆51和其他车辆52不能同时通过停车车辆53的侧方，需要其中一方让路给另一方，使其先通过。即，由于本车辆51的行驶区域和其他车辆52的行驶区域在交叉区域56中交叉，因此，本车辆51和其他车辆52不能同时进入交叉区域56，必须错开时间进入交叉区域56。

在行进路的优先级方面，本车辆51比其他车辆52要高。另外，本车辆51到达交叉区域56的预测时间(到达时间)Ta比其他车辆52到达交叉区域56的预测时间(到达时间)Tb长。这样，图4表示在行进路的优先级方面本车辆51比其他车辆52高，但在时间上其他车辆52更早的行驶场景的一例。在该行驶场景中，关于哪个先进入交叉区域56，在本车辆51和其他车辆52之间发生干涉。

将本车辆51的到达时间Ta减去其他车辆52的到达时间Tb获得的值(ΔT＝Ta－Tb)称为“到达时间差”。

图7A及图7B的各图表表示到达时间差ΔT(横轴)与先进入交叉区域56的概率(纵轴)的关系。图7A和图7B的左上方和左下方的图显示了其他车辆52先进入交叉区域56的概率。图7A和图7B的右上和右下表示本车辆51先进入交叉区域56的概率。

图7A及图7B的左上方的图表表示其他车辆52是通过驾驶员(人)的操作而行驶的手动驾驶模式的情况。到达时间差ΔT越大，其他车辆52的进入概率越高，在规定时间(例如6秒)内，其他车辆52以大约50％的概率先进入交叉区域56。

但是，根据驾驶员(人)的动作判断存在个人差异，相对于到达时间差ΔT的动作判断的偏差大。因此，对应到达时间差ΔT，其他车辆52的进入概率会发生缓慢变化。即，即使到达时间差ΔT比规定时间(例如6秒)稍短，其他车辆52先进入交叉区域56的概率也不会立即变为0％。到达时间差ΔT大约为2秒左右，其他车辆52的进入概率约为0％。于是，本车辆51在图4的行驶场景中，需要较大地估计相对于其他车辆52的安全系数。具体而言，如图7A及图7B的右上图表所示，本车辆51需要以其他车辆52的进入概率约为0％的值(例如2秒)为界限，判断自己是否要先进入交叉区域56。具体而言，在到达时间差ΔT不足2秒的情况下，本车辆51可以判断为自己先进入交叉区域56。

另一方面，图7A及图7B的左下方的图表表示其他车辆52即使不进行驾驶员(人)的驾驶操作也自动地行驶的自动驾驶模式的情况。在自动驾驶模式下，其他车辆52(计算机)自行进行动作判断，并按照判断结果操作其他车辆52。因此，自动驾驶模式下的动作判断的偏差一般比手动驾驶模式小。例如，如图7A和图8A的左下方的图表所示，以规定时间(例如6秒)为界，其他车辆52先进入交叉区域56的概率从0％急剧变化到100％。即，在其他车辆52为自动驾驶模式的情况下，基于到达时间差ΔT能够明确地判断其他车辆52的进入概率。

但是，即使其他车辆52为自动驾驶，如果本车辆51没有识别出这一点，则本车辆51需要对可能发生的其他车辆52的所有动作判断采取安全的应对措施。如图7A的右下方的图表所示，与手动驾驶时同样，本车辆51以比规定时间(例如6秒)更短的值(例如2秒)为界限，必须判断自己是否要先进入交叉区域56。因此，如图7A的左下和右下的图表所示，在其他车辆52为自动驾驶的情况下，在到达时间差ΔT为2秒～6秒的范围内，可能会发生持续本车辆51和其他车辆52互相让路的状态，即所谓的相互死锁。

与此相对，如果本车辆51识别出其他车辆52为自动驾驶，则如图7B的右下方的图表所示，本车辆51能够以接近规定时间(例如6秒)的值(例如5.5秒)为界限，判断自己是否先进入交叉区域56。具体而言，在到达时间差ΔT小于5.5秒的情况下，本车辆51可以判断为自己先进入交叉区域56。通过本车辆51识别出其他车辆52为自动驾驶，本车辆51的进入判断的阈值从2秒变化到5.5秒。由此，如图7B的左下和右下的图表所示，由于其他车辆52的阈值(6秒)与本车辆51的阈值(5.5秒)接近，因此，可以抑制相互死锁的发生。另外，由于本车辆51的阈值为2秒～5.5秒，所以即使到达时间差ΔT为2秒～5.5秒，本车辆51也能够进入，因此，能够顺利地进行本车辆51的行驶。

另外，如图7B的右上和右下的图表所示，与其他车辆52不是自动驾驶的情况相比，在自动驾驶的情况下，能够控制本车辆51以使得本车辆51通过交叉区域56的时间更早。

于是，在实施方式中，判断其他车辆52是否为自动驾驶，并基于判断结果检测其他车辆52的动作。此时，有效地利用相对于到达时间差ΔT的其他车辆52的动作判断的偏差根据其他车辆52是否为自动驾驶而变化的情况。具体而言，有效地利用自动驾驶时的偏差比手动驾驶时的偏差小的情况。

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

物体检测装置1具有搭载于本车辆51上的激光雷达、毫米波雷达、摄像机等用于检测本车辆51周围的物体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检测包含其他车辆、摩托车、自行车、行人的移动物体以及包含停车车辆的静止物体。例如，检测移动物体和静止物体相对于本车辆51的位置、姿势、大小、速度、加速度、减速度、横摆率。另外，将物体的位置、姿势(横摆角)、大小、速度、加速度、减速度、横摆率统称为物体的“行为”“动作”。物体检测装置1例如输出在从本车辆51上方的空中眺望的俯视图(也称为平面图)中的二维物体的行为，并作为检测结果。

本车位置推定装置3具备搭载在本车辆51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、姿势和速度。

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可以拥有存储了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以及本车位置推定装置3的检测结果以及地图获取装置4的获取信息，检测出其他车辆的动作，并根据检测出的其他车辆的动作，生成本车辆51的路径，并按照生成的路径进行本车辆51的行驶辅助。

另外，在实施方式中，微型计算机100作为控制本车辆51的行驶辅助装置的示例进行说明。然而，本发明不限于此。例如，微型计算机100也可以作为检测其他车辆的动作的动作检测装置来实施。即，微型计算机100也可以不进行本车辆51的路径生成以及沿着路径的行驶辅助，而最终输出检测出的其他车辆的动作。

微型计算机100是具备CPU(中央处理装置)、存储器以及输入/输出部的通用的微型计算机。微型计算机100中安装有使其作为行驶辅助装置发挥作用的计算机程序(行驶辅助程序)。通过执行计算机程序，微型计算机100作为行驶辅助装置所具备的多个信息处理电路(2a，2b，5，10，21，22)发挥作用。另外，在此，通过软件表示了实现行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，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，也可以通过分别的硬件构成多个信息处理电路(2a、2b、5、10、21、22)。进而，信息处理电路(2a、2b、5、10、21、22)也可以兼用于车辆相关的其他控制所使用的电子控制单元(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：检测综合部2a、物体追踪部2b、地图内位置运算部5、动作检测部10、本车路径生成部21、车辆控制部22。进而，动作检测部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、第二动作候补修正部15、轨迹预测部16、似然度推定部17、交叉判断部18、自动驾驶判断部19。另外，在作为检测其他车辆的动作的动作检测装置而实施的情况下，不需要信息处理电路(本车路径生成部21以及车辆控制部22)。

检测综合部2a综合从物体检测装置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，在考虑各物体检测传感器的误差特性等的基础上，计算出误差最少的最合理的物体行为。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，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，根据由检测综合部2a综合的检测结果，并根据在不同时刻输出的物体的行为，对不同时刻之间的物体的同一性进行验证(对应附加)，并且基于该对应附加检测物体的行为。另外，不同时刻输出的物体的行为被存储在微型计算机100内的存储器中，在后述的轨迹预测时被利用。

地图内位置运算部5根据通过本车辆位置推定装置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的位置以及姿势。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。

在动作检测部10中，基于通过检测综合部2a获得的检测结果以及通过地图内位置运算部5确定的本车辆51的位置，检测本车辆51周围的移动物体的动作。以下，说明动作检测部10的具体构成。

行为判断部11根据在地图上的本车辆51的位置以及通过检测综合部2a获得的物体的动作，确定地图上的物体的位置和行为。进而，当物体在地图上的位置随时间的经过而变化的情况下，行为判断部11判断为该物体是“移动物体”，并根据移动物体的大小和速度，判断该移动物体的属性(其他车辆、行人)。然后，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，当物体在地图上的位置不随着时间的经过的情况下，判断为静止物体，并根据静止物体在地图上的位置、姿势及大小，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，并根据道路结构计算基于该动作意图的其他车辆的基本轨迹。“动作候补”是指包含动作意图以及基本轨迹的上位概念。“基本轨迹”不仅表示不同时刻的其他车辆的位置的曲线，还表示各位置的其他车辆的速度的曲线。

例如，在其他车辆行驶在单车道的单侧路和弯路的情况下，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)，计算沿着地图上的车道的轨迹作为基本轨迹。另外，在其他车辆行驶在多车道的单侧路和弯路的情况下，动作候补预测部12预测动作意图(直行)和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而变更车道的轨迹。进而，在行驶在交叉路口的情况下，动作候补预测部12预测直行、右转以及左转的动作意图，并以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，但不考虑由检测综合部2a综合的其他车辆的行为。

第一动作候补修正部13考虑由物体检测装置1检测出的静止物体，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，新追加避开静止物体的其他车辆52的动作意图及基本轨迹。

具体而言，在图4所示的行驶场景中，动作候补预测部12预测沿着车道的形状行驶的其他车辆52的动作意图(直行)，并计算基本轨迹(直行)。第一动作候补修正部13判断为其他车辆52的基本轨迹(直行)与作为静止物体的停车车辆53的位置干涉。然后，第一动作候补修正部13通过暂时地将行进路变更为右侧，新追加避开停车车辆53并维持行进方向的其他车辆52的动作候补(基本轨迹63)。

在与图4所示的其他车辆52同时通过物体检测装置1检测出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。

交叉判断部18判断本车辆51的行驶区域和其他车辆52的行驶区域是否交叉。交叉判断部18在判断为交叉的情况下，计算到达本车辆51的行驶区域和其他车辆52的行驶区域交叉的交叉区域56为止的本车辆和其他车辆的到达时间之差(到达时间差ΔT)。

首先，交叉判断部18根据基本轨迹63和其他车辆52在地图上的位置及行为，预测其他车辆52到达交叉区域56为止的时间(到达时间)Tb。根据本车辆51在地图上的位置、速度及加减速度预测本车辆51到达交叉区域56为止的时间(到达时间)Ta。交叉判断部18从本车辆51的到达时间Ta减去其他车辆52的到达时间Tb，而计算出到达时间差ΔT。

自动驾驶判断部19(控制器)获取其他车辆52的驾驶特性，并根据驾驶特性判断其他车辆52是否为自动驾驶。具体而言，自动驾驶判断部19判断其他车辆52是通过驾驶员(人)的操作而行驶的手动驾驶模式、还是即使不进行驾驶员(人)的驾驶操作也自动行驶的自动驾驶模式。

自动驾驶判断部19也可以仅在通过交叉判断部18判断为本车辆51与其他车辆52交叉的情况下，判断其他车辆52是否为自动驾驶。可以减少作为自动驾驶判断部19的判断对象的其他车辆52的数量，减轻处理负担。

自动驾驶判断部19例如利用V2V(VEHICLE TO VEHICLE)的通信装置(车车间通信装置)作为传感器获取其他车辆52的驾驶特性。并且，根据其他车辆52的驾驶特性，能够判断其他车辆52是否为自动驾驶。另外，作为其他车辆52的驾驶特性，自动驾驶判断部19可以检测向车外明示是自动驾驶模式的方式、或者向车外暗示是自动驾驶模式的方式的用于对其他车辆(他人)传达(请先走)等意图的显示以及声音等。

自动驾驶判断部19可获取其他车辆52的行为作为其他车辆52的驾驶特性，并根据其他车辆52的行为判断是否为自动驾驶。例如，在不进行泵作用制动、减速时加速度的时间变化小、车间距离以及车速恒定、其他车辆52的行为偏差或分散少、行为稳定性高、行为是机械的等特征被确认的情况下，自动驾驶判断部19能够判断为其他车辆52为自动驾驶。这是因为，与手动驾驶模式相比，自动驾驶模式可以具有偏差较少地进行冲击(加速度的时间微分值)小或不发生冲击的行驶控制的特征。自动驾驶判断部19利用手动驾驶(人)或自动驾驶时其他车辆52的驾驶特性不同的情况。

自动驾驶判断部19也可以与其他车辆52是否为自动驾驶无关，按以下顺序推定驾驶特性，并基于此修正其他车辆52的动作(意图)。在其他车辆52的驾驶特性未知的情况下，在可能的驾驶特性中最安全的时刻暂时停止。可以基于相对于此的其他车辆52的行为，推定其他车辆52的驾驶特性。可以基于其驾驶特性修正本车辆51的行驶开始的时间及轨迹即可。

第二动作候补修正部15首先在交叉判断部18判断为本车辆51与其他车辆52交叉的情况下，基于其他车辆52让路给本车辆51的动作意图(后行驶)以及动作意图(后行驶)，在交叉区域56的跟前减速或停车，在本车辆51通过交叉区域56之后，重新预测进入交叉区域56的基本轨迹(后行驶)。同时，基于其他车辆52比本车辆51先通过交叉区域56的动作意图(先行驶)以及动作意图(先行驶)，在交叉区域56的跟前不减速，重新预测进入交叉区域56的基本轨迹(先行驶)。

第二动作候补修正部15接着基于其他车辆52是否为自动驾驶的判断结果，推定相对于通过动作候补预测部12、第一动作候补修正部13以及第二动作候补修正部15预测的多个动作候补的似然度。具体而言，在本车辆51与其他车辆52之间发生干涉的行驶场景中，推定相对于选择其一的动作候补的似然度。例如，在本车辆51和其他车辆52在交叉区域56进行交叉的情况下，基于是否为自动驾驶的判断结果推定相对于动作候补(后行驶)和动作候补(先行驶)的似然度。第二动作候补修正部15考虑自动驾驶模式下的动作判断的偏差小于手动驾驶模式的经验规则或统计结果来推定似然度。

进而，第二动作候补修正部15基于是否为自动驾驶的判断结果以及到达时间差ΔT推定相对于动作候补的似然度。具体而言，第二动作候补修正部15根据本车辆51在地图上的位置以及速度计算出本车辆51到达交叉区域56为止的预测时间(到达时间)Ta。然后，根据其他车辆在地图上的位置及行为计算出其他车辆52到达交叉区域56为止的预测时间(到达时间)Tb，并计算出到达时间差ΔT(＝Ta-Tb)。第二动作候补修正部15读取预先存储在微型计算机100内的存储器中的图7B的4个图表所示的数据。对于读取的数据，通过适用于是否为自动驾驶的判断结果以及到达时间差ΔT，推定相对于各个动作候补(后行驶)以及动作候补(先行驶)的似然度。

例如，在其他车辆52处于手动驾驶模式且到达时间差ΔT为5.5秒的情况下，第二动作候补修正部15参照图7B的左上方的图表，推定相对于其他车辆52的动作候补(先行驶)的似然度(概率)约为40％。另一方面，在其他车辆52为自动驾驶模式且到达时间差ΔT为5.5秒的情况下，参照图7B的左下方的图表，推定相对于其他车辆52的动作候补(先行驶)的似然度(概率)约为0％。

这样，第二动作候补修正部15能够考虑根据是否为自动驾驶而变化的动作判断的偏差的大小，高精度地推定其他车辆52的动作候补的似然度。另外，若能够如此推定其他车辆52的动作候补(先行驶)，则本车辆51能够执行加/减速控制、事先减速、执行转向控制、横向位置控制、向乘员通知其他车辆52是否先行驶、报警等对乘员执行顺畅的行驶辅助。

轨迹预测部16基于在行为判断部11检测出的行为，预测其他车辆52所采取的轨迹(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，对按照上述预测的动作意图进行动作时的其他车辆52的有效轨迹进行运算。“有效轨迹”与基本轨迹相同，不仅表示不同时刻其他车辆52的位置，还表示各位置的其他车辆52的速度的曲线。有效轨迹和基本轨迹在都是车辆52所采取的轨迹这一点上是共通的，但是有效轨迹是在考虑其他车辆52的行为的基础上进行计算的，而基本轨迹是不考虑其他车辆的行为的情况下进行计算的，这一点上两者不同。

图8A和图8B所示的基本轨迹(61、62)是基于动作意图以及道路结构导出的其他车辆52的轨迹的示例，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的当前姿势(横摆角)，因此，多个基本轨迹(61、62)从其他车辆52的当前位置朝不同方向延伸。与此相对，轨迹预测部16考虑其他车辆52的动作，计算沿着上述动作意图的轨迹(有效轨迹)。换言之，计算采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。

在图8A和图8B中，其他车辆52的姿势(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的速度仅由行进方向的速度分量构成，车宽方向的速度分量为零。也就是说，其他车辆52处于直行状态。因此，在以该姿势以及速度为起点，其他车辆52按照沿着道路形状的行驶意图行驶的情况下，如图8A所示，在从基本轨迹61向左侧偏离之后，成为接近基本轨迹61从而一致的有效轨迹71。换言之，可以预测描绘对从行驶车道的偏离进行修正的修正轨迹(过冲轨迹)。轨迹预测部16预测以其他车辆52的姿势(横摆角)及速度为起点，按照道路形状的行驶的动作意图(直行)行驶的有效轨迹71。

接着，在以相同的姿势及速度为起点，其他车辆52按照变更车道的动作意图行驶的情况下，如图8B所示，成为开始向左方向转弯，向左侧车道移动后，向右转弯而沿着左侧车道的轨迹进行修正的有效轨迹72。也就是说，描绘由转向角从中立位置的状态开始的左转弯的回旋曲线以及右转弯的回旋曲线构成的有效轨迹72。因此，有效轨迹72成为花费与计算车道变更轨迹62时的“规定的车道变更时间”大致相同的时间而完成车道变更的轨迹。另外，描绘有效轨迹时的曲线不一定是回旋曲线，也可以利用其他曲线进行描绘。如图8B所示，有效轨迹72成为与车道变更时的基本轨迹62大致相同的轨迹。

与图8A和图8B同样地，对于通过动作候补预测部12、第一动作候补修正部13及第二动作候补修正部15预测的各动作候补，轨迹预测部16也考虑其他车辆52的行为，计算沿着动作意图的轨迹(有效轨迹)。例如，在图4所示的行驶场景中，以其他车辆52在地图上的位置和速度为起点，计算其他车辆52比本车辆51先通过交叉区域56的有效轨迹(先行驶)以及其他车辆52在本车辆51之后通过交叉区域56的有效轨迹(后行驶)。

在此，作为其他车辆52的行为的示例，考虑了位置、姿势以及速度，但也可以考虑其他车辆52的加速度、减速度来计算有效轨迹。例如，可以预测到与直行相比，车道变更时的减速度变大的情况。

似然度推定部17通过对由动作候补预测部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综合部2a综合的其他车辆52的行为进行对比，检测其他车辆52的动作。进而，似然度推定部17考虑由第二动作候补修正部15预测的似然度，检测其他车辆52的动作。

具体而言，似然度推定部17针对由动作候补预测部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，对比基本轨迹和有效轨迹。然后，根据基本轨迹和有效轨迹的差异求出各动作候补的似然度。基本轨迹和有效轨迹的差异越小，计算出的似然度就越高。

并且，似然度推定部17基于由第二动作候补修正部15预测的似然度，对各动作候补的似然度进行加权。例如，将由第二动作候补修正部15预测的似然度作为系数，与各动作候补的似然度相乘。由此，能够使由第二动作候补修正部15预测的似然度与似然度推定部17推测的似然度结合。例如，在其他车辆52为自动驾驶模式并且到达时间差ΔT为小于5.5秒的情况下，与动作候补(先行驶)的似然度相比，似然度推定部17乘以比动作候补(后行驶)的似然度更大的系数。

如果考虑其他车辆52是否为自动驾驶的判断结果，则可以判断为被计算出似然度最高的动作候补是最可能的动作候补。因此，似然度推定部17将被评价为似然度最高的动作候补确定为其他车辆52的动作。基本轨迹和有效轨迹的差异，例如基于两个轨迹间的位置以及速度的曲线的差异的总和来计算。图8A以及图8B所示的面积S1、S2是对基本轨迹和有效轨迹的位置的差异进行积分后的总和的一例。由于可以判断为面积越窄则位置的差异就越小，所以计算出高似然度。作为其他的示例，即使位置的差异很小，在速度的曲线有很大不同的情况下，也可以计算出低似然度。另外，似然度是表示该动作候补实际发生可能性的指标的一个示例，也可以是似然度以外的表现。

对于通过动作候补预测部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，似然度推定部17通过比较基本轨迹和有效轨迹来计算似然度，并且在该似然度上乘以系数(第二动作候补修正部15预测的似然度)。然后，将似然度最大的动作候补确定为其他车辆52的动作。

如上所述，在动作检测部10中，基于通过似然度推定部17所设想的各动作候补的似然度，检测其他车辆52的动作。另外，“其他车辆的动作”中包括其他车辆的轨迹及速度的曲线。以不同时刻的其他车辆52的位置的曲线表示其他车辆52的轨迹。

本车路径生成部21基于由动作检测部10检测出的其他车辆52的动作，生成本车辆51的路径。例如，在图4所示的行驶场景中，在动作检测部10检测出其他车辆52的先行驶动作的情况下，生成在交叉区域56的跟前减速或停车，在其他车辆52通过之后进入交叉区域56的本车辆51的路径。能够生成不与其他车辆52接触，并且不因其他车辆52的行为而造成本车辆51急减速或急转向的平滑的本车辆51的路径。另一方面，在动作检测部10检测出其他车辆52的后行驶动作的情况下，生成在交叉区域56的跟前不减速及停车，比其他车辆52先进入交叉区域56的本车辆51的路径。能够避免相互死锁，避免妨碍交通流。“本车辆51的路径”不仅表示不同时刻的本车辆51位置的曲线，还表示各位置的本车辆51速度的曲线。

在此，基于地图上其他车辆52的行为，检测出包含其他车辆52轨迹的其他车辆的动作。因此，基于其他车辆52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、加减速度或姿势角的差生成本车辆51的路径。

例如，可以解释为，在图4所示的行驶场景中，在表示其他车辆52停留在车道内并且减速的行为的情况下，其他车辆52的行为表示向本车辆51让路，希望让本车辆51先行驶的动作意图。此时，通过考虑其他车辆52的动作意图而形成本车辆51的路径、或者执行本车辆51的行驶辅助，由此，能够使本车辆51可不减速或加速先通过交叉区域56。由此，能够避免其他车辆52和本车辆51双方相互礼让的情况，因此，能够实现顺畅的交通流。

在车辆控制部22中，基于由地图内位置运算部5计算出的自身位置，驱动转向促动器、加速器踏板促动器以及制动踏板促动器中的至少一个促动器，以使车辆51按照由本车路径生成部21生成的路径行驶。另外，在车辆控制部22中，为向乘客进行显示或者通知、警报而驱动车内的显示器、扬声器。另外，在实施方式中，表示了根据本车辆51的路径执行行驶辅助的情况，但也可以不生成本车辆51的路径而执行本车辆51的行驶辅助。在这种情况下，也可以基于与其他车辆52的相对距离或者其他车辆52与本车辆51的姿势角的差执行行驶辅助。

参照图2及图3说明利用了图1的行驶辅助装置的行驶辅助方法。另外，通过利用图1的微型计算机100作为检测其他车辆52的动作的动作检测装置，可以将图2的步骤S06所示的处理动作的结果作为最终输出的动作检测方法来实施。

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检测本车辆51周围的物体的行为。进入步骤S02，检测综合部2a综合从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。然后，物体追踪部2b对已检测出及综合的各物体进行追踪。

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相对于规定的基准点的位置、姿势以及速度。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，推定在地图上的本车辆51的位置以及姿势。进入步骤S06，动作检测部10基于在步骤S02中获得的检测结果(其他车辆52的行为)以及在步骤S05中确定的本车辆51的位置，检测本车辆51周围的其他车辆52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，判断其他车辆52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52的动作候补。例如，根据道路结构来预测动作意图。

进入步骤S613，微型计算机100对在步骤S01中检测出的所有其它车辆52执行步骤S611和S612。实施后(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，如图4所示，通过暂时将行进路变更为右侧，追加避开停车车辆53并维持行进方向的其他车辆52的动作意图以及基本轨迹。

进入步骤S615，在步骤S01中与其他车辆52同时还检测出其他的移动物体的情况下，第一动作候补修正部13考虑其他的移动物体，修正在步骤S612中预测的运动候补。

进入步骤S616，交叉判断部18判断本车辆51的行驶区域和其他车辆52的行驶区域是否交叉。在交叉的情况下(步骤S617中为“是”)，进入步骤S618，在不交叉的情况下(步骤S617中为“否”)，进入步骤S620。

在步骤S618中，交叉判断部18计算到交叉区域56为止的本车辆51和其他车辆52的到达时间之差ΔT。自动驾驶判断部19获取其他车辆52的驾驶特性，根据驾驶特性判断其他车辆52是否为自动驾驶。然后，第二动作候补修正部15基于是否为自动驾驶的判断结果以及到达时间差ΔT，推定其他车辆52的对于各动作候补的似然度。具体而言，对于图7B的4个图表中显示的数据，通过适用自动驾驶与否的判断结果以及到达时间差，在本车辆51和其他车辆52之间发生干涉的行驶场景中，推定相对于各动作候补的度。之后，进入步骤S620。

在步骤S620中，微型计算机100对在步骤S01中检测出的所有其它车辆执行步骤S614～S618。实施后(在S620中为“是”)，进入步骤S621，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，对在其他车辆52维持行为并按照预测的动作意图动作的情况下的其他车辆52的有效轨迹(71、72、参照图8A及图8B)进行运算。

进入步骤S622，似然度推定部17对于在S612、S614和S615中预测的各个动作候补，对比基本轨迹与有效轨迹。然后，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。此外，似然度推定部17基于在步骤S618中推定的似然度，对各动作候补的似然度进行加权。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其他车辆52的动作。

进入步骤S621，微型计算机100对在步骤S01中检测出的所有其它车辆实施步骤S621～S622。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基于在步骤S06中检测出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执行本车辆51的行驶辅助，以使本车辆51按照在步骤S07中生成的路径行驶。

另外，本实施方式不仅对图4所示的行驶场景有效，对其他的行驶场景也有效。参照图5和图6，示例了在行进路的优先级方面本车辆51比其他车辆52高，但在时间上其他车辆52更早的其他行驶场景。

图5表示在双车道的单侧通行路上本车辆51在右侧车道上行驶、其他车辆52在本车辆51斜前方的左侧车道上行驶的行驶场景。在其他车辆52前方的左侧车道上有停车车辆53。因此，与图4的行驶场景相同，其他车辆52通过暂时将行进路变更为右侧，能够避开停车车辆53并维持行进方向。因此，由于本车辆51的行驶区域与其他车辆52的行驶区域在交叉区域56中交叉，因此，本车辆51和其他车辆52不能同时进入交叉区域56，必须错开时间进入交叉区域56。另外，在行进路的优先级方面本车辆51比其他车辆52高，本车辆51的到达时间Ta比其他车辆52的到达时间Tb长。

图6表示在本车道上行驶的本车辆51和在对向车道上行驶的其他车辆52向同一交叉路口行驶的行驶场景。本车辆51在交叉路口直行，由于其他车辆在交叉路口右转，所以在交叉路口内的交叉区域56中两者交叉。在行进路的优先级方面本车辆51比其他车辆52高，本车辆51的到达时间Ta比其他车辆52的到达时间Tb长。

在图5和图6所示的各行驶场景中，关于哪一个先进入交叉区域56，在本车辆51和其他车辆52之间发生干涉。

于是，实施方式能够基于其他车辆52是否为自动驾驶的判断结果以及到达时间差ΔT，参照图7B的各图表所示的数据，明确地判断其他车辆52的进入概率。因此，能够确保本车辆51及其他车辆52的安全行驶，并且能够抑制相互死锁的发生。

如上所述，根据实施例可获得以下作用效果。

微型计算机100(控制部的一例)获取其他车辆52的驾驶特性，并根据驾驶特性判断其他车辆52是否为自动驾驶，基于是否为自动驾驶的判断结果执行本车辆51的行驶辅助。对应是否为自动驾驶而其他车辆52的动作有所不同。于是，能清楚其他车辆52是否为自动驾驶，并对应是否为自动驾驶来进行本车辆51的行驶辅助。由此，能够正确地推定其他车辆52的动作。因此，能够使本车辆51安全且等待时间少地行驶。另外，还可以降低发生相互死锁的可能性。

微型计算机100基于是否为自动驾驶的判断结果和到达时间差ΔT，检测其他车辆52的动作。在本车辆51和其他车辆52的行驶区域在交叉区域56中交叉的情况下，本车辆51和其他车辆52不能同时进入交叉区域56，需要其中一方向另一方让路而使其先通过。在该行驶场景中，在其他车辆52为自动驾驶的情况下，相对于到达时间差ΔT的动作判断的偏差小于不是自动驾驶的情况。因此，基于是否为自动驾驶的判断结果以及到达时间差ΔT，能够正确地检测出其他车辆52的动作。

基于是否为自动驾驶的判断结果以及到达时间差ΔT，检测出其他车辆52比本车辆51先进入交叉区域56的概率，并基于检测出的概率执行本车辆51的行驶辅助。其他车辆52为自动驾驶的情况下，与不是自动驾驶的情况相比，相对于到达时间差ΔT的其他车辆52的动作判断的偏差较小。因此，能够正确检测出其他车辆52比本车辆51先进入交叉区域56的概率。

其他车辆52的行进路的优先级低于本车辆51的行进路的优先级，且其他车辆52的到达时间Tb短于本车辆51的到达时间Ta。在行进路的优先级方面本车辆51比其他车辆52高但在时间上应该让其他车辆52先行驶的行驶场景中，能够正确检测出其他车辆52的动作。

与其他车辆52不是自动驾驶的情况相比，自动驾驶的情况下，执行本车辆51的行驶辅助使本车辆51通过交叉区域56的时间更早。基于是否为自动驾驶的判断结果以及到达时间差ΔT，能够正确检测出其他车辆52的动作。因此，可以降低发生相互死锁的可能性。

以上，根据实施方式说明了本发明的内容，但本发明并不限定于这些记载，本领域技术人员明白可以进行各种变形及改进。

在实施方式中例示了本车辆51为可自主行驶的自动驾驶模式的情况，但也可以是本车辆51为通过驾驶员的手动驾驶模式。在这种情况下，作为本车辆51的行驶辅助(驾驶辅助)，微型计算机100可以利用声音或图像等来控制用于引导驾驶员进行转向、加速器、制动器的操作的扬声器、显示器以及这些用户界面。

另外，在利用图6的实施方式中，以上，将右车道作为本车辆51的车道，将左车道作为其他车辆52的车道进行了说明，但是，也可以将左车道作为本车辆51的车道，右车道作为其他车辆52的车道，在本车辆51要向右拐的场景中利用。例如，在到达时间差ΔT为4秒的情况下(其他车辆52比本车辆51慢4秒通过的情况下)，根据其他车辆52是否为自动驾驶车辆，可以使本车辆的行驶辅助的内容不同。具体而言，在其他车辆52为手动驾驶的情况下，考虑到即使其他车辆52通常先通过，其他车辆52的优先级较高的情况下，其他车辆52的乘员也会向本车辆51让路。但是，在其他车辆52是自动驾驶的情况下，由于按照设定的到达时间差ΔT的阈值行驶，所以如果到达时间差ΔT比阈值短，则其他车辆52比本车辆51先通过交叉路口的可能性高。这样，在左车道作为本车辆51的车道，右车道作为其他车辆52的车道，本车辆51要右转的场景中，根据其他车辆52是否为自动行驶，行驶内容有可能不同。因此，在本实施方式中，基于其他车辆52是否以自动驾驶的方式行驶，检测其他车辆52的动作，并基于该检测结果对本车辆51进行行驶辅助，因此，例如，在本次的场景中，在其他车辆52为手动驾驶的情况下，能够解除停止并准备起步，在其他车辆52为自动驾驶的情况下，则能够停止等使本车辆51的行驶变得顺畅。

实施方式中的行驶辅助不限于调整本车辆51的轨迹，也可以基于检测结果，在自动驾驶控制或行驶辅助控制(也包括自动制动等)中例如执行加减速、事先减速、控制车道内的位置、靠近路肩、通过车道的顺序等控制。由此，能够使本车辆51的行驶顺畅。能够抑制给乘客带来的不适感。

符号说明

51 本车辆

52 其他车辆

53 停车车辆

56 交叉区域

100 微型计算机(控制器)

Ta 本车辆的到达时间

Tb 其他车辆的到达时间

Claims (9)

1.一种行驶辅助装置的行驶辅助方法，检测本车辆周围的其他车辆的动作，并基于检测出的所述其他车辆的动作执行所述本车辆的行驶辅助，其特征在于，

获取所述其他车辆的驾驶特性，

根据所述驾驶特性，判断所述其他车辆是否为自动驾驶，

基于是否为所述自动驾驶的判断结果，检测所述其他车辆的动作。

2.如权利要求1所述的行驶辅助装置的行驶辅助方法，其特征在于，

计算所述本车辆和所述其他车辆到达至所述本车辆的行驶区域与所述其他车辆的行驶区域交叉的交叉区域的到达时间差，

基于是否为所述自动驾驶的判断结果及所述到达时间差，检测所述其他车辆的动作。

3.如权利要求2所述的行驶辅助装置的行驶辅助方法，其特征在于，

基于是否为所述自动驾驶的判断结果及所述到达时间差，检测所述其他车辆比所述本车辆先进入所述交叉区域的概率，并基于所述概率检测所述其他车辆的动作。

4.如权利要求2或3所述的行驶辅助装置的行驶辅助方法，其特征在于，

所述其他车辆的行进路的优先级低于所述本车辆的行进路的优先级，且所述其他车辆的所述到达时间比所述本车辆的所述到达时间短。

5.如权利要求2所述的行驶辅助装置的行驶辅助方法，其特征在于，

以与所述其他车辆不是所述自动驾驶的情况相比，在所述自动驾驶的情况下，使所述本车辆通过所述交叉区域的时刻更早的方式执行所述本车辆的行驶辅助。

6.如权利要求1～5中任一项所述的行驶辅助装置的行驶辅助方法，其特征在于，

作为所述行驶辅助，执行所述本车辆的加减速控制。

7.如权利要求1～6中任一项所述的行驶辅助装置的行驶辅助方法，其特征在于，

作为所述行驶辅助，执行所述本车辆的转向控制。

8.如权利要求1～7中任一项所述的行驶辅助装置的行驶辅助方法，其特征在于，

作为所述行驶辅助，执行所述本车辆的起动控制。

9.一种行驶辅助装置，检测本车辆周围的其他车辆的动作，并基于检测出的所述其他车辆的动作执行所述本车辆的行驶辅助，其特征在于，具备：

传感器，其获取所述其他车辆的驾驶特性；

控制器，其根据所述驾驶特性判断所述其他车辆是否为自动驾驶，

所述控制器基于是否为所述自动驾驶的判断结果，检测所述其他车辆的动作。

Images