CN110770809B - 路径预测装置以及路径预测方法 - Google Patents

路径预测装置以及路径预测方法 Download PDF

Info

Publication number
CN110770809B
CN110770809B CN201780092039.2A CN201780092039A CN110770809B CN 110770809 B CN110770809 B CN 110770809B CN 201780092039 A CN201780092039 A CN 201780092039A CN 110770809 B CN110770809 B CN 110770809B
Authority
CN
China
Prior art keywords
vehicle
predicted
time
route
lane
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.)
Active
Application number
CN201780092039.2A
Other languages
English (en)
Other versions
CN110770809A (zh
Inventor
高林佑树
小幡康
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric 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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN110770809A publication Critical patent/CN110770809A/zh
Application granted granted Critical
Publication of CN110770809B publication Critical patent/CN110770809B/zh
Active 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • 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
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
    • B60W2050/065—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot by reducing the computational load on the digital processor of the control computer
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

根据车道(200、201)的成本信息，来生成在避开到预测时刻为止存在的移动体的同时车辆(100)去往中间目的地(300)的多个预测路径候补(301)，并将从多个预测路径候补(301)中选择出的预测路径设定为每个预测时刻的车辆(100)的路径。

Description

路径预测装置以及路径预测方法
技术领域
本发明涉及预测车辆行驶的路径的路径预测装置以及路径预测方法。
背景技术
近年来，在车辆的驾驶辅助系统的领域中，要求预测避免车辆彼此的碰撞的路径的技术。例如，存在如下技术：使用搭载于车辆的传感器来检测存在于车辆周边的障碍物的位置，根据该障碍物与车辆的相对距离或相对速度来控制车辆，从而防止车辆与障碍物的碰撞。还提出了如下技术：通过搭载于车辆的传感器来识别车辆周边的环境，不依赖于驾驶员而自动地进行方向盘操作或制动操作，从而使车辆沿着到达目的地的路径行驶。
作为车辆的路径预测的算法，提出了RRT(Rapidly-exploring RandomTree:快速扩展随机树)。RRT通过扩展在自由空间中随机生成的被称为树的路径候补来生成到达目的地的路径。
此外，在RRT中，通过优先扩展成本低的树，可以有效地生成路径。如果提高存在于车辆周边的障碍物的位置的成本，则容易生成避开障碍物的路径。
这样，在RRT所代表的以往的路径计划算法中，设定目的地，计算能够在避开障碍物的同时到达上述目的地的多个路径候补，选择成本最低的候补作为车辆的行驶路径。
在RRT算法被应用于自动驾驶车辆的情况下，将车辆在数秒后到达的位置设定为目的地，并且依次生成路径候补，以确定到最终目的地的路径。但是，如果为了到达数秒后的目的地而实施车道变更，则由于交通法规或道路的构造上的制约，有可能无法返回到车辆去往最终目的地的车道。
例如，即使在车辆行驶的车道的前方与相邻车道的前方相比拥挤的情况下，如果选择相邻车道的前方的位置作为车辆数秒后到达的目的地，则也会变更车道。在这种情况下，由于原来的车道的前方拥挤，所以车辆不能返回到原来的车道的可能性高。另外，如果选择了分岔路上的位置作为车辆数秒后到达的目的地，则车辆将前进道路改变为分岔路，因此无法返回到原来的车道。
在驾驶员手动驾驶车辆的情况下，即使在前方车辆的车速较慢的情况下，如果前方车道拥挤，则判断为若为了超越前方车辆而进行车道变更则无法返回原来的车道，不进行车道变更，而进行跟随前方车辆的驾驶。
在以往的路径计划算法中，如果前方车辆的车速较慢，则容易选择超越前方车辆的路径。
另外，通过将到达最终目的地为止的时刻向后延长，能够比较还包括分岔路的路径候补的成本来选择路径，但由于生成多个路径候补，所以运算负荷增大。
与此相对，例如，在专利文献1中记载了将在目标路径上设定的多个超越地点候补中、预计到达时间后的前车与前前车之间的距离为设定距离以上的候补设定为超越地点的装置。由于超车地点候补是上述的车辆在数秒后到达的目的地，因此在专利文献1所记载的装置中，将预计到达时间后的前车与前前车之间的距离为设定距离以上的位置选择为上述目的地。由此，如果前方车道拥挤，则不进行前车的超越。
现有技术文献
专利文献
专利文献1：日本专利特开2016-38717号公报
发明内容
发明所要解决的技术问题
在专利文献1所记载的装置中，基于车辆行驶的车道上的前车以及前前车的位置，来决定进行超越的位置。
然而，实际上，不仅是车辆正在行驶的车道，如果不考虑包含分岔路和相邻车道在内的车辆周边的状况，则无法适当地选择车辆应该行驶的路径。
例如，即使将预计到达时间后的前车与前前车之间的距离为设定距离以上的位置设定为超越地点，在预计到达时间后的相邻车道拥挤的情况下，也无法进行用于超越的车道变更。
另外，在专利文献1所记载的装置中，由于仅考虑是否能够超越前车来选择路径，因此在处于无法超越的状况的情况下，无法适当地选择车辆的路径。
本发明是为了解决上述问题而完成的，其目的在于得到一种能够根据车辆周边的状况来预测车辆的路径的路径预测装置以及路径预测方法。
解决技术问题的技术方案
本发明的路径预测装置包括预测处理部、第1计算部、第2计算部、决定部以及预测路径设定部。预测处理部基于与存在于车辆周边的移动体的状态相关的信息，针对从当前时刻起向后依次设定的预测时刻的每个时刻步长来计算移动体的预测位置。第1计算部基于与车辆的状态有关的信息、到最终目的地为止的目标路径信息、以及与车辆的前车和前前车各自的状态有关的信息，来计算在目标路径上行驶的车辆超越前车时的余量时间。第2计算部根据由第1计算部计算出的余量时间的长度，计算车辆正在行驶的车道及相邻车道各自的成本的权重并进行加权。决定部针对每个预测时刻决定作为在预测时刻的车辆的位置的中间目的地。预测路径设定部基于由第2计算部加权后的车道的成本信息、由决定部决定的中间目的地的位置信息、以及由预测处理部计算出的移动体的预测位置信息，根据车道的成本信息，来生成在避开到预测时刻为止存在的移动体的同时车辆去往中间目的地的多个预测路径候补，并将从多个预测路径候补中选择出的预测路径设定为每个预测时刻的车辆的路径。
发明效果
根据本发明，根据车道的成本的权重，生成在避开到预测时刻为止存在的移动体的同时使车辆去往中间目的地的多个预测路径候补，并将从多个预测路径候补中选择出的预测路径设定为每个预测时刻的车辆的路径。由此，能够根据车辆周边的状况来预测车辆的路径。
附图说明
图1是表示本发明的实施方式1中的硬件结构的框图。
图2是表示实施方式1所涉及的路径预测装置的功能结构的框图。
图3是表示实施方式1所涉及的路径预测方法的流程图。
图4是表示在具有分岔路的道路上行驶的车辆、前车以及前前车的位置关系的图。
图5是示出车道成本的权重与超越的余量时间之间的关系的曲线图。
图6是示出当对车辆正在行驶的车道和相邻车道设定相同成本时的道路宽度方向的区域与成本之间的关系的曲线图。
图7是示出当将比车辆正在行驶的车道要高的成本设定于相邻车道时的道路宽度方向的区域与成本之间的关系的曲线图。
图8是示出当在相邻车道中设定了最大成本时的道路宽度方向的区域与成本之间的关系的曲线图。
图9是示出当将比车辆正在行驶的车道要低的成本设定于相邻车道时的道路宽度方向的区域与成本之间的关系的曲线图。
图10是示出车辆的预测路径候补的图。
图11是表示实施方式1的预测路径设定部的动作的流程图。
图12是表示预测路径候补的生成处理的概要的图。
图13是示出从选择出的时刻步长的节点分岔为多个的预测路径候补的图。
图14是示出从选择出的多个时刻步长各自的节点分岔为多个的预测路径候补的图。
图15是表示本发明的实施方式2所涉及的路径预测装置的功能结构的框图。
图16是表示在具有分岔路的道路上行驶的车辆、前车、前前车以及相邻车道车辆的位置关系的图。
具体实施方式
下面，为了更详细地说明本发明，根据附图，对用于实施本发明的方式进行说明。
实施方式1
图1是表示本发明的实施方式1中的硬件结构的框图。实施方式1的车辆例如如图1所示，包括包含各种传感器的传感器组1、控制ECU(Electronic Control Unit：电子控制单元)2、路径预测装置3和无线通信装置4。控制ECU2能够基于由传感器组1检测出的信息，控制车辆内部的控制对象的硬件。
传感器组1构成为包含检测与存在于车辆周边的车辆或行人等移动体的状态有关的信息的传感器、以及检测与车辆的状态有关的信息的传感器。在传感器组1中，包含车速传感器1a、转向角传感器1b、加速器传感器1c、制动器传感器1d、加速度传感器1e、角速度传感器1f、GPS(Global Positioning System：全球定位系统)装置1g、车外照相机1h、以及车外传感器1i。
此外，与检测对象物的状态有关的信息是至少包含检测对象物的位置以及移动速度的信息，如果检测对象物是车辆，则也可以包含加速度、方向盘的操作量、加速器的操作量、制动器的操作量这样的信息。
车速传感器1a是检测车辆的速度的传感器，将与车轮速度对应的电信号(车速脉冲)输出至控制ECU2。
转向角传感器1b是检测车辆的转向角的传感器，将与转向角相应的电信号输出到控制ECU2。
加速器传感器1c是检测车辆的加速器的开度、即加速踏板的操作量的传感器。加速踏板的操作量信息从加速器传感器1c输出到控制ECU2。
制动器传感器1d是检测制动踏板的操作量的传感器，将制动踏板的操作量信息输出到控制ECU2。
加速度传感器1e是检测车辆的加速度的传感器，例如由3轴加速度传感器构成。由加速度传感器1e检测出的车辆的加速度信息被输出到控制ECU2。
角速度传感器1f是检测车辆的角速度(陀螺仪)的传感器。
由角速度传感器1f检测出的角速度信息被输出至控制ECU2。
控制ECU2能够基于由角速度传感器1f检测出的角速度信息来检测车辆的转弯速度。
GPS装置1g利用GPS卫星发送的电波来检测车辆的位置。
由GPS装置1g检测出的车辆的位置坐标(纬度经度)被输出至控制ECU2。另外，GPS装置1g例如也可以是组合了IMU(Inertial Measurement Unit：惯性测量单元)的装置。利用GPS装置1g检测车辆的位置，利用IMU检测车辆的姿态倾斜度。
车外照相机1h是拍摄车辆外部的照相机，例如通过光学照相机、红外线照相机来实现。由车外照相机1h拍摄的拍摄图像被输出到控制ECU2。控制ECU2基于从车外照相机1h输入的拍摄图像，执行车辆周边的行人、车辆、障碍物这样的检测对象物的检测以及识别。
另外，控制ECU2能够根据车外照相机1h的拍摄图像来识别车辆正在行驶的道路的白线。
车外传感器1i是检测车辆周边存在的车辆或行人这样的移动体的位置和移动速度的传感器，例如，可以通过毫米波雷达、激光雷达来实现。车外传感器1i将移动体的检测信息输出到控制ECU2。
控制ECU2基于从车外传感器1i输入的移动体的检测信息，检测移动体的位置以及车辆与移动体的距离。车辆与车辆周边的移动体的距离以及移动体的位置检测可以由控制ECU2进行，也可以由车外传感器1i自身进行并向控制ECU2输出检测结果，也可以由路径预测装置3进行。
控制ECU2具有控制车辆整体的功能。如图1所示，控制ECU2具备处理器2a、ROM(Read Only Memory：只读存储器)2b、RAM(Random Access Memory：随机存取存储器)2c。
处理器2a是在控制ECU2中进行各种计算处理的计算处理电路，是被称为处理器、计算处理电路、电气电路、控制器等的硬件。处理器2a由一个或两个以上的计算处理电路的集合构成。处理器2a可以从ROM2b读出程序，将它们在RAM2c上展开并执行计算处理。
ROM2b是存储一个以上的程序的非易失性存储装置。
RAM2c是处理器2a用作为程序和各种信息的展开区域的易失性存储装置。
ROM2b及RAM2c例如由半导体存储装置构成，也可以称为存储器。
作为存储有处理器2a执行的程序的存储装置例示了ROM2b，但上述存储装置并不限定于此。例如，上述存储装置也可以是HDD(Hard Disk Drive：硬盘驱动器)、SSD(SolidState Drive：固态驱动器)这样的被称为存储设备的非易失性大容量存储装置。
另外，也可以将包含存储设备的存储装置统称为存储器。
这一点在后述的路径预测装置3中也是同样的。
发动机2d是驱动车辆的动力源，产生使车轮旋转的动力。发动机2d也能够根据来自控制ECU2的指示进行动作。
变速器2e将在发动机2d中产生的动力传递到车轮。变速器2e基于来自控制ECU2的指示来变更齿轮，由此能够变更传递至车轮的转矩。
制动致动器2f是使车辆的制动器(减速器)动作的机构，能够根据控制ECU2的指示使制动器动作来使车辆减速。
转向致动器2g是使车辆的转向器(转向装置)动作的机构，能够根据控制ECU2的指示来控制转向器，从而控制车辆的行进方向。
路径预测装置3是搭载于车辆并依次预测车辆应行驶的数秒后的每个预测时刻的预测路径的装置，与控制ECU2同样地，具备处理器3a、ROM3b以及RAM3c。
处理器3a是在路径预测装置3中进行各种计算处理的计算处理电路，是被称为处理器、计算处理电路、电气电路或控制器的硬件。处理器3a由一个或两个以上的计算处理电路的集合构成。处理器3a可以从ROM3b读出程序，将它们在RAM3c上展开来执行计算处理。
无线通信装置4是与外部装置进行无线通信的通信装置。无线通信装置4进行车车间通信、路车间通信、或与以智能手机为代表的便携通信终端的通信。在无线通信装置4中，发送部4b经由天线4a向外部装置发送无线信号，接收部4c经由天线4a从外部装置接收无线信号。
另外，在图1中，示出了搭载于车辆的路径预测装置3，但实施方式1并不限定于该结构。
例如，路径预测装置3也可以是能够经由无线通信装置4与车辆的控制ECU2进行无线通信的服务器装置所具备的构成要素。
在该情况下，车辆的路径预测所需要的信息经由无线通信装置4从车辆侧向服务器装置发送，服务器装置所具备的路径预测装置3基于从车辆侧接收到的上述信息来决定车辆的预测路径。
车辆的预测路径信息从服务器装置侧发送到车辆侧，车辆的控制ECU2将从服务器装置侧接收到的预测路径信息所表示的路径设定为车辆的路径。
图2是表示路径预测装置3的功能结构的框图。如图2所示，路径预测装置3具备第1信息获取部30、第2信息获取部31、检测部32、预测处理部33、目标路径设定部34、地图数据库(以下，记载为地图DB)35、第1计算部36、第2计算部37、决定部38以及预测路径设定部39。
第1信息获取部30获取与存在于车辆周边的移动体的状态有关的信息。与移动体的状态相关的信息是包含存在于车辆周边的车辆或行人的位置以及移动速度在内的信息，例如从控制ECU2获取。
此外，第1信息获取部30也可以从传感器组1直接获取与存在于车辆周边的移动体的状态有关的信息。
第2信息获取部31获取与车辆的状态有关的信息。
与车辆的状态有关的信息是包含车辆的位置和移动速度的信息，例如从控制ECU2获取。
此外，第2信息获取部31也可以从传感器组1直接获取与车辆的状态有关的信息。
检测部32基于由第1信息获取部30获取的与移动体的状态相关的信息、以及由目标路径设定部34设定的目标路径信息，检测与正在目标路径上行驶的车辆的前车以及前前车各自的状态相关的信息。
例如，检测部32从存在于车辆周边的移动体中认定前车，从与移动体的状态有关的信息中，检测与认定的前车的状态有关的信息。
同样地，检测部32从存在于车辆周边的移动体中认定为前前车，从与移动体的状态有关的信息中，检测与所认定的前前车的状态有关的信息。
预测处理部33基于由第1信息获取部获取的与移动体的状态相关的信息，针对预测时刻的每个时刻步长来计算移动体的预测位置信息。
预测时刻是指从当前时刻开始依次设定的时刻，例如是从当前时刻开始以一定的时间间隔依次设定的时刻。
预测处理部33基于与移动体的状态相关的信息，针对直到预测时刻为止的每个时刻步长来计算移动体的预测位置。
例如，预测处理部33假定移动体进行等速直线运动，基于当前时刻的移动体的位置以及速度，计算移动体的预测位置。
此外，预测处理部33可以基于当前时刻的移动体的位置、速度和加速度来计算移动体的预测位置。
进一步地，预测处理部33可以基于从地图DB35读取的道路信息来计算车辆正在行驶的道路的每条车道的移动体的预测位置。
目标路径设定部34基于由第2信息获取部31获取的与车辆的状态相关的信息和地图信息，设定到车辆的最终目的地为止的目标路径。
例如，目标路径设定部34基于与车辆的状态相关的信息所包含的车辆的当前位置、包含该位置的地图信息以及预先设定的最终目的地，搜索从车辆的当前位置到最终目的地的目标路径，并将目标路径信息设定于控制ECU2。
目标路径信息从目标路径设定部34输出到检测部32和第1计算部36。目标路径信息中，在从车辆的当前位置到最终目的地的路径的基础上，还包含路径上的车道各自的推荐速度、以及在包含分岔路的情况下从其引导地点到分岔路的距离(以下记载为分岔到达距离)。
地图DB35是登录有地图信息的数据库。地图信息例如包含道路的车道数量、车道的位置信息、道路的结构、每条车道的推荐速度。
在车道的位置信息中，包含构成车道的中心线的点群的各自的绝对坐标值(例如，纬度经度)。道路的结构是表示弯道的位置、停止线的位置、信号灯的位置的信息。
第1计算部36基于由第2信息获取部31获取的与车辆状态有关的信息、由目标路径设定部34设定的目标路径信息、以及由检测部32获取的与前车及前前车各自的状态有关的信息，来计算在目标路径上行驶的车辆超越前车时的余量时间。
例如，第1计算部36在目标路径中包含分岔路的情况下，将车辆到达为止的分岔到达时间和确保在前车与前前车之间车辆能够进入的空间的空间确保时间中的较短的一方的时间决定为上限值。
接着，第1计算部36将车辆超越前车且进入前车与前前车之间为止所需的时间决定为下限值。
然后，第1计算部36计算这样决定的上限值和下限值之间的差分以作为车辆超越前车时的余量时间。
第2计算部37根据上述余量时间的长度来计算车辆正在行驶的车道和相邻车道各自的成本权重，并进行加权。
例如，第2计算部37将车辆超越前车所需的标准时间与余量时间进行比较，在两者一致的情况下，以使得车辆正在行驶的车道的成本与相邻车道的成本相同的方式计算两者的权重并进行加权。
第2计算部37在余量时间比标准时间短的情况下，以使得车辆正在行驶的车道的成本低于相邻车道的成本的方式计算两者的权重并进行加权。
第2计算部37在余量时间比标准时间长的情况下，以使得车辆正在行驶的车道的成本高于相邻车道的成本的方式计算两者的权重并进行加权。
决定部38针对每个预测时刻决定作为在预测时刻的车辆位置的中间目的地。例如，决定部38基于由第2信息获取部31获取的车辆的位置和速度、以及地图信息，假定车辆以匀速移动直至到达预测时刻，按照从当前时刻起依次设定的每个预测时刻来决定中间目的地的位置信息。
预测路径设定部39基于由第2计算部37加权后的车道的成本信息、由决定部38决定的中间目的地的位置信息、以及由预测处理部33计算出的移动体的预测位置信息，根据车道的成本信息来生成多个预测路径候补。
例如，预测路径设定部39将开始对到预测时刻为止的时间进行计时的时刻的与车辆的状态有关的信息(位置、速度、加速度以及转向角)设定为与初始状态有关的信息。
接着，预测路径设定部39基于与初始状态有关的信息，将从当前时刻到下一个时刻步长为止车辆能够到达的位置设定为下一个时刻步长的车辆的预测位置候补。此时，预测路径设定部39将从当前时刻到下一个时刻步长为止车辆能够到达的位置中、处于设定了低成本的车道侧的位置优先作为预测位置候补。
预测路径设定部39按照下一个时刻步长的每个预测位置候补，预测车辆的速度、加速度以及转向角，并设定为各自的车辆的状态。
接着，预测路径设定部39基于在下一个时刻步长的与车辆状态相关的信息，将从下一个时刻步长到再下一个时刻步长为止车辆能够到达的位置设定为再下一个时刻步长的车辆的预测位置候补。
然后，预测路径设定部39按照再下一个时刻步长的每个预测位置候补，预测车辆的速度、加速度以及转向角，并设定为各自的车辆的状态。
通过重复这样的处理，预测路径设定部39生成在避开到预测时刻为止存在的移动体的同时使车辆去往中间目的地的多个预测路径候补。
预测路径设定部39将从多个预测路径候补中选择的预测路径设定为每个预测时刻的车辆的路径。例如，预测路径设定部39选择所有预测位置的成本的总和最小的预测路径候补作为车辆的预测路径。
由预测路径设定部39按每个预测时刻选择的预测路径信息被输出到控制ECU2。控制ECU2根据从预测路径设定部39输入的预测路径信息来控制车辆的动作，由此使车辆沿着预测路径行驶。
另外，在图2中，示出了路径预测装置3具备第1信息获取部30、第2信息获取部31、检测部32、预测处理部33、目标路径设定部34、地图DB35、第1计算部36、第2计算部37、决定部38以及预测路径设定部39的结构，但实施方式1并不限定于该结构。
例如，目标路径设定部34以及地图DB35可以是能够经由无线通信装置4进行通信的外部装置所具备的构成要素，第1信息获取部30、第2信息获取部31以及检测部32可以是控制ECU2所具备的构成要素。
在该情况下，路径预测装置3经由无线通信装置4从外部装置接收地图信息以及目标路径信息，从控制ECU2获取与车辆周边的状态相关的信息、与车辆的状态相关的信息、与前车的状态相关的信息以及与前前车的状态相关的信息。
即，在实施方式1中，路径预测装置3也可以是不具备第1信息获取部30、第2信息获取部31、检测部32、目标路径设定部34以及地图DB35的结构。
接着对动作进行说明。
图3是表示实施方式1所涉及的路径预测方法的流程图。
首先，第1信息获取部30获取与存在于车辆周边的移动体的状态相关的信息(步骤ST1)。与移动体的状态有关的信息是包括存在于车辆周边的车辆或行人的位置以及移动速度的信息。
例如，在通过传感器组1中的传感器检测出分别不同的移动体的状态的情况下，第1信息获取部30获取与通过各自的传感器检测出的移动体的状态相关的信息。
当通过传感器组1中的多个传感器重复检测到相同移动体的状态时，第1信息获取部30进行考虑了这些传感器的精度的加权平均，将这些检测信息汇总为一个而作为与最终的移动体的状态相关的信息。
由此，能够得到移动体的状态的高精度检测信息。
此外，与移动体的状态相关的信息的上述加权平均在车辆周边的移动体的追尾处理中由控制ECU2执行。在该情况下，第1信息获取部30也可以获取由控制ECU2计算出的加权平均值作为与移动体的状态相关的信息。
接着，第2信息获取部31获取与车辆的状态有关的信息(步骤ST2)。与车辆的状态有关的信息是包含车辆的位置以及移动速度的信息。
例如，在通过传感器组1中的传感器检测出分别不同的车辆的状态的情况下，第1信息获取部30获取与通过各自的传感器检测出的车辆的状态相关的信息。当通过传感器组1中的多个传感器重复检测到车辆的状态时，第2信息获取部31进行考虑了这些传感器的精度的加权平均，将这些检测信息汇总为一个而作为与最终的车辆的状态相关的信息。由此，能够得到车辆的状态的高精度检测信息。
目标路径设定部34设定到达车辆的最终目的地的目标路径(步骤ST3)。例如，目标路径设定部34基于包含在与车辆的状态相关的信息中的车辆的当前位置、从地图DB35读出的包含车辆的当前位置的地图信息以及预先设定的最终目的地，来搜索从车辆的当前位置到最终目的地的目标路径。
搜索结果的目标路径信息被输出到检测部32和第1计算部36，进而被设定到控制ECU2。
另外，从步骤ST1到步骤ST3的各个处理在处理的顺序上可以前后进行，也可以同时执行这些处理。
检测部32检测与在目标路径上行驶的车辆的前车以及前前车的各自的状态相关的信息(步骤ST4)。
例如，检测部32将存在于车辆周边的移动体中、位于目标路径上的前方且在距离车辆最近的位置移动的移动体认定为前车。检测部32从由第1信息获取部30获取的与移动体的状态有关的信息中，检测与认定的前车的状态有关的信息。
与前车的状态相关的信息是包含前车的当前位置以及车速(沿着目标路径的方向的车速)的信息。
同样，检测部32将存在于车辆周边的移动体中、位于目标路径上的前方且在距离车辆第2近的位置移动的移动体认定为前前车。
检测部32从由第1信息获取部30获取的与移动体的状态有关的信息中，检测与认定的前前车的状态有关的信息。
位于目标路径上的前方且在距离车辆第2近的位置移动的移动体也是位于前车的前方且在距离前车最近的位置移动的移动体。
与前前车的状态相关的信息是包含前前车的当前位置以及车速(沿着目标路径的方向的车速)的信息。
接下来，预测处理部33基于由第1信息获取部获取的与移动体的状态相关的信息，按照到预测时刻为止的每个时刻步长来计算移动体的预测位置信息(步骤ST5)。预测时刻是从当前时刻起依次设定的时刻，例如是从当前时刻起每隔数秒左右的一定的时间间隔依次设定的时刻。
例如，预测处理部33假定移动体进行等速直线运动直至到达该预测时刻为止，并根据当前时刻的移动体的位置以及速度来计算移动体的预测位置。
接下来，第1计算部36计算车辆超越前车时的余量时间(步骤ST6)。以下，以目标路径中包含分岔路的情况为例进行说明。
图4是表示在具有分岔路的道路上行驶的车辆100、前车101以及前前车102的位置关系的图。
在图4中，车辆100是具有图1所示的构成要素的车辆，搭载有路径预测装置3。车辆100正在行驶的车道200是去往最终目的地的车道，相邻车道201是去往分岔路的车道。前车101是在车道200上在车辆100的前方行驶的车辆，前前车102是在车道200上在前车101的前方行驶的车辆。
第1计算部36将包含在目标路径信息中的分岔到达距离Rb和包含在与车辆100的状态有关的信息中的车辆100的速度Vego代入下述式(1)，以计算车辆100到达分岔路为止的时间即分岔到达时间Tlim。
第1计算部36通过将车辆100与前车101之间的车间距离R1、车辆100与前车101之间的间隔距离THR1、前车101的速度Vp1代入下述式(2)，来计算直至车辆100完成前车101的超越所需的时间。
使用下述式(2)计算出的上述时间是车辆100完成前车101的超越为止所需的时间、即车辆100超越前车101之后进入前车101与前前车102之间为止所需的时间。
在实施方式1中，该时间被设为下限值Tlower。
而且，与前车101的间隔距离THR1是在车辆100超越前车101时两者最接近的距离，是根据经验得到的值。
速度Vego是车辆100在沿着目标路径的方向上的速度。速度Vp1是前车101在沿着目标路径的方向上的速度。
Figure GDA0002316945020000151
Figure GDA0002316945020000152
第1计算部36通过将前车101与前前车102之间的车间距离R2、前车101与前前车102之间的车间距离THR2、前车101的速度Vp1、前前车102的速度Vp2代入下述式(3)，来计算空间确保时间Tspace。
在此，车间距离THR2是为了使超越前车101的车辆100进入前车101与前前车102之间所需要的前车101与前前车102之间的车间距离。车间距离THR2例如是对车辆100的全长加上余裕长度而得到的值，是根据经验得到的值。
空间确保时间Tspace是确保在前车101与前前车102之间车辆100能够进入的空间的时间。
Figure GDA0002316945020000153
第1计算部36根据下述式(4)将分岔到达时间Tlim和空间确保时间Tspace中较短一方的时间决定为上限值Tupper。
这样决定下限值Tlower和上限值Tupper后，第1计算部36根据下述式(5)计算上限值Tupper与下限值Tlower之间的差分作为车辆100超越前车101时的余量时间Tmrgn。
由于第1计算部36在假定车辆100以一定速度Vego行驶的情况下计算余量时间Tmrgn，因此能够通过简单计算来求得车辆100超越前车101时的余量时间Tmrgn。
Tupper＝min(Tlim，Tspace) (4)
Tmrgn＝Tupper-Tlower (5)
接着，第2计算部37根据余量时间Tmrgn的长度来计算车辆100正在行驶的车道和相邻车道的各自的成本的权重信息(步骤ST7)。
图5是示出车道的成本的权重W与超越的余量时间Tmrgn之间的关系的曲线图。在图5中，权重Wupper是赋予车道的成本的权重的最大值，权重Wlower是赋予车道的成本的权重的最小值。标准时间Tot是车辆100超越前车101通常所需要的时间，例如，也可以设想车辆100在4秒内变更车道至相邻车道201之后超越前车101，在4秒内返回车道200，从而设定8秒。
例如，第2计算部37将标准时间Tot与余量时间Tmrgn进行比较，在两者一致的情况下，以使得车辆100正在行驶的车道200的成本与相邻车道201的成本相同的方式计算两者的权重并进行加权。
另外，在图5所示的示例中，由于对车道200和相邻车道201初始设定相同标准的成本，因此作为两者的权重而设定W＝1。
第2计算部37在余量时间Tmrgn比标准时间Tot短的情况下，以使得车辆100正在行驶的车道200的成本低于相邻车道201的成本的方式计算两者的权重W并进行加权。
例如，在余量时间Tmrgn为0或负值的情况下，第2计算部37可以将无限大或极大的值设定为分配给相邻车道201的成本的Wupper，使得不选择车辆100将超越前车101的预测路径。
第2计算部37在余量时间Tmrgn比标准时间Tot长的情况下，以使得车辆100正在行驶的车道200的成本高于相邻车道201的成本的方式计算两者的权重W并进行加权。
例如，在余量时间Tmrgn与标准时间Tot相比足够长的情况下，第2计算部37对相邻车道201的成本赋予权重Wlower，以使得容易选择车辆100向相邻车道201变更车道后超越前车101的预测路径。在图5中，权重Wupper和权重Wlower也可以由用户适当设定。
图6是示出当对车辆100正在行驶的车道200和相邻车道201设定了相同成本时的道路宽度方向的区域与成本之间的关系的曲线图。在图6中，对于车辆100正在行驶的车道200的中心线a以及相邻车道201的中心线b的各自的成本，作为标准的成本而设定有相同的值。
车道200的成本是对设定在车道200的中心线a上的标准成本将与节点302和车道200的中心线a的欧几里得距离相对应的成本累计而得到的。
同样，相邻车道201的成本是对设定在相邻车道201的中心线b上的标准成本将与节点302和相邻车道201的中心线b的欧几里得距离相对应的成本累计而得到的。
第2计算部37对车道200的成本和相邻车道201的成本设置权重W＝1。
由此，由于每条车道在中心线成本最低，随着远离车道的中心线，成本变高，因此难以选择从车道的中心线脱离的预测路径候补。另外，如图6所示，在道路外设定成本的最大值，因此不选择车辆100在道路外行驶的预测路径候补301。
图7是示出当在相邻车道201中设定了比车辆100正在行驶的车道200高的成本时的道路宽度方向的区域与成本之间的关系的曲线图。在图7中，分割线c是车道200与相邻车道201之间的边界线。
第2计算部37在余量时间Tmrgn比标准时间Tot短的情况下，以使得车道200的成本小于相邻车道201的成本的方式计算两者的权重W并进行加权。此时，由于以分割线c为界，对相邻车道201的成本进行加权累计，如图7所示，相邻车道201的成本与车道200相比，相对上升。由此，车辆100在相邻车道201行驶的预测路径候补301难以被选择。
图8是示出当对相邻车道201设定了最大成本时道路宽度方向的区域与成本之间的关系的曲线图。在图8中，分割线c与图7同样，是车道200与相邻车道201之间的边界线。
在余量时间Tmrgn为0或负值的情况下，第2计算部37对相邻车道201的成本累计权重的最大值Wupper，以使得不选择车辆100向相邻车道201进行车道变更的预测路径。由此，在相邻车道201中，与道路外同样地设定成本的最大值，因此不选择车辆100在相邻车道201中行驶的预测路径候补301。
图9是示出当在相邻车道201中设定了比车辆100正在行驶的车道200低的成本时的道路宽度方向的区域与成本之间的关系的曲线图。在图9中，分割线c与图7同样，是车道200与相邻车道201之间的边界线。
在余量时间Tmrgn比标准时间Tot长的情况下，第2计算部37对相邻车道201的成本累计权重Wlower，以使得容易选择车辆100向相邻车道201变更车道的预测路径。
由此，如图9所示，相邻车道201的成本与车道200相比相对下降，因此容易选择车辆100在相邻车道201行驶的预测路径候补301。
此外，第2计算部37可以计算针对由预测路径设定部39预测出的每个时刻步长的车辆100的预测位置的成本。
图10是表示车辆100的预测路径候补的图，表示了由预测路径设定部39生成的从车辆100的当前位置到中间目的地300的多个预测路径候补。在图10中，作为预测路径候补301，记载有跟随前车101的预测路径候补以及在避开在相邻车道201上行驶的车辆103、104的同时去往中间目的地300的预测路径候补301。
如图10所示，预测路径候补301是通过用链路连接设定在每个时刻步长的车辆100的预测位置上的各个节点302而形成的。
此外，在节点302中设定有与每个预测位置的车辆100的状态有关的信息。以下，为了方便，将车辆100的预测位置称为节点302。
第2计算部37也可以随着在多个预测路径候补301中的、成为路径的最终端的节点302或者最接近中间目的地300的节点302越接近中间目的地300，设定越低的成本。
另外，第2计算部37也可以随着多个预测路径候补301中的节点302越接近车道的中心线，设定越低的成本。
这样，通过对节点302设定成本，优先选择所有节点302的成本总和低的预测路径候补301，从而容易选择不脱离车道的预测路径候补301。
第2计算部37可以随着预测路径候补301的各个节点302中包含的车辆100的预测速度越接近推荐速度，设定越低的成本。
这样，通过对节点302设定成本，优先选择所有节点302的成本总和低的预测路径候补301，从而容易选择车辆100的速度变动少的预测路径候补301。
另外，第2计算部37也可以随着节点302越接近移动体的预测位置，设定越高的成本。
这样，通过对节点302设定成本，优先选择所有节点302的成本总和低的预测路径候补301，从而容易选择车辆100避开移动体的预测路径候补301。
第2计算部37可以组合针对节点302的成本设定。
例如，第2计算部37在构成预测路径候补301的多个节点302中，对接近车道的中心线的节点302设定低成本，对车辆100的预测速度接近推荐速度的节点302设定低成本，对接近移动体的预测位置的节点302设定高成本。
返回至图3的说明。
在步骤ST8中，决定部38决定中间目的地300。
例如，确定部38假设车辆100匀速移动直至到达预测时刻，并基于车辆100的位置、速度以及地图信息，按照从当前时刻t起依次设定的每个预测时刻Tpre来决定中间目的地300的位置信息。
在步骤ST9中，预测路径设定部39根据车道的成本信息生成多个预测路径候补301，该多个预测路径候补301在避开到预测时刻为止存在的移动体的同时，使车辆100去往中间目的地300。预测路径设定部39将从多个预测路径候补301中选择出的预测路径设定为每个预测时刻的车辆100的路径。
例如，预测路径设定部39将按每个预测时刻选择的预测路径信息设定于控制ECU2。控制ECU2通过按照由预测路径设定部39设定的预测路径信息来控制车辆100的动作，从而使车辆100沿着预测路径行驶。
接着对预测路径设定处理的详细情况进行说明。
图11是示出预测路径设定部39的动作的流程图，示出图3的步骤ST9的详细处理。
预测路径设定部39设定车辆100的初始状态(步骤ST1a)。
车辆100的初始状态是开始预测时刻的计时的时刻的车辆100的状态(位置、速度、加速度以及转向角)。
图12是表示预测路径候补301的生成处理的概要的图，表示从当前的时刻t到预测时刻t+Tpre为止的车辆100的预测路径候补301。预测路径设定部39设定初始状态作为时刻t的车辆100的状态。
预测路径设定部39执行预测时刻循环的处理(步骤ST2a)。
在预测时间循环中，预测在从当前时刻t至预测时间t+Tpre的每个时刻步长的车辆100的状态(步骤ST2a-1)。
预测路径设定部39将从上一时刻步长tp，k-1到下一时刻步长tp，k车辆100能够到达的位置作为下一时刻步长tp，k的车辆100的预测位置候补。此时，预测路径设定部39将直到时刻步长tp，k为止车辆100能够到达的位置中、处于设定了低成本的车道侧的位置优先作为预测位置候补。
例如，如图12所示，预测路径设定部39对前一时刻步长tp，k-1中的车辆100的状态设定车辆控制值，并计算下一时刻步长tp，k中的车辆100的状态。
在假定车辆控制值是车辆100的加速度，并且车辆100的加速度遵循平均值μin和标准偏差σin的高斯分布的情况下，预测路径设定部39根据高斯分布的随机数计算在下一时刻步长tp，k中的车辆100的加速度。
对于平均值μin，可以设定在前一时刻步长tp，k-1中的车辆100的加速度，也可以设定为0。标准偏差σin作为参数也可以设定基于车辆性能的标准值。
车辆控制值除了车辆100的加速度之外，还有转向角、转向角变化率，但可以与上述同样地按照每个时刻步长进行设定。
预测路径设定部39按照每个时刻步长反复进行步骤ST2a的处理。由此，计算出每个时刻步长的车辆100的状态，生成图12所示的路径。预测路径设定部39将按照每个预测时刻循环而生成的上述路径追加到预测路径候补301中(步骤ST3a)。
以下，为了方便，有时将预测路径候补301称为树，将每个时刻步长的车辆100的预测位置称为节点。
另外，预测路径设定部39也可以按照每个时刻步长tp，k计算车辆100的N个状态(位置、速度、加速度、转向角等)，并基于这些状态按照每个时刻步长tp，k设定N个节点302。如上所述，通过第2计算部37为N个节点302分别设定成本。
预测路径设定部39可以根据下述式(6)，基于对节点302设定的成本来计算节点302的似然度。由此，预测路径设定部39也可以确定前一时刻步长tp，k-1中的N个节点302中似然度Li(k)高的节点302，并根据所确定的节点302生成下一时刻步长tp，k中的节点302。
在下述式(6)中，似然度Li(k)是通过将对N个节点302中的一个节点302设定的成本Cost(i)的倒数除以成本Cost(i)的倒数的N个之和来标准化而获得的值。
Figure GDA0002316945020000211
此外，可以如以下那样计算节点302的似然度Li(k)。
假设m个成本各自的误差遵循高斯分布，则误差q可以使用下述式(7)来计算。在下述式(7)中，s是由各个成本构成的矢量，∑是误差协方差矩阵。
Figure GDA0002316945020000221
例如，假定与节点302和车道的中心线的距离对应的成本、与节点302和存在于车辆周边的移动体的距离对应的成本、以及与设定于节点302的车辆100的速度和推荐速度的差分值对应的成本。
由这些成本构成的矢量s能够由下述式(8)表示，误差协方差矩阵∑能够由下述式(9)表示。
节点302的似然度Li(k)可以利用下述式(10)来计算。
在下述式(8)中，W是对车道设定的成本的加权系数。
其中，如果节点302接近于车道200，则为W＝1。
Δdlane是节点302与车道的中心线之间的距离，Δdobstacle是节点302与存在于车辆周边的移动体之间的距离，ΔVnom是对节点302设定的车辆100的速度与推荐速度的差分值。
在下述式(9)中，σego 2是车辆100的位置的误差方差。
σobstacle 2是存在于车辆周边的移动体的位置的误差方差。
σV 2是车辆100的速度的误差方差。
另外，在下述式(9)中，为了简化，将误差协方差矩阵∑的非对角项设为0，但也可以计算相关分量而设定为非对角项。
误差协方差矩阵∑的各个要素的值能够基于车辆100的位置以及速度、对存在于车辆周边的移动体的位置以及速度进行检测的传感器的精度来设定。
s＝[W·Δdlane Δdobstacle ΔVnom] (8)
Figure GDA0002316945020000231
Figure GDA0002316945020000232
通过将车道的成本信息反映到节点302的似然度，在余量时间Tmrgn较长的情况下，由于在相邻车道201生成的节点302增加，因此车辆100在相邻车道201行驶的预测路径候补301增加，最终变得容易被选择。
在余量时间Tmrgn较短的情况下，由于在车辆100当前行驶的车道200上生成的节点302增加，因此车辆100在车道200上行驶的预测路径候补301增加，从而最终容易被选择。
返回至图11的说明。
预测路径设定部39确认在多个预测路径候补301中是否存在路径最终端的节点302被设定在距离中间目的地300的一定范围内的预测路径候补(步骤ST4a)。
在路径最终端的节点302处于距离中间目的地300的一定范围内时(步骤ST4a：是)，预测路径设定部39从多个预测路径候补301中选择预测路径(步骤ST5a)。
例如，预测路径设定部39选择多个预测路径候补301中、节点302的似然度和最大的预测路径候补301作为预测路径。
另外，预测路径设定部39也可以从多个预测路径候补301中选择对节点302设定的成本的总和最低的预测路径候补301。
此外，预测路径设定部39也可以利用节点302的似然度对N个预测路径候补301中的每个时刻步长的设定于节点302的车辆100的状态进行加权平均，由此将N个预测路径候补301合并为1个预测路径候补301。
控制ECU2通过按照由预测路径设定部39设定的预测路径信息来控制车辆100的动作，从而使车辆100沿着预测路径行驶。
在路径最终端的节点302没有到达距离中间目的地300的一定范围内时(步骤ST4a：否)，预测路由设定部39选择时刻步长(步骤ST6a)。图13是示出从选择的时刻步长tp，i中的节点302分岔为多个的预测路径候补301的图。
在步骤ST6a中，预测路径设定部39与上述同样地从多个预测路径候补301中选择1个预测路径候补301。
然后，预测路径设定部39从所选择的预测路径候补301中选择节点302，并且选择所选择的节点302的时间步长tp，i。
例如，可以选择似然度高于一定阈值的节点302，可以选择成本低于一定阈值的节点302，或者可以使用均匀随机数随机选择节点302。
预测路径设定部39在选择时刻步长tp，i后，返回步骤ST1a的处理。此时，预测路径设定部39将时刻步长tp，i中的节点302作为车辆100的初始状态下的节点302，执行步骤ST1a至步骤ST3a的处理。
由此，生成由下述式(11)表示的、针对直到预测时间ΔTpre，i的每个时刻步长的节点302，并且生成由这些节点302构成的添加树301A。添加树301A的末端的节点302是时刻t+Tpre的节点302。
ΔTpre，i＝t+Tpre-tp，i (11)
预测路径设定部39在时刻步长tp，i的节点302中生成与添加树301A连接的预测路径候补301时，重复上述处理，直至预测路径候补301的最终端的节点30 2到达距离中间目的地300的一定范围内。
例如，如果分岔前的预测路径候补301中的节点302的总数是P1，并且添加树301A中的节点302的总数是P2，则预测路径设定部39从P1+P2个节点302中选择一个节点302，并且重复上述处理。
图14是示出从选择出的多个时刻步长各自的节点分岔为多个的预测路径候补301的图。在图14的例子中，通过预测路径设定部39生成与添加树301A以及添加树301A-1分别相连的预测路径候补301。当最终端的节点302到达距离中间目的地300的一定范围400内时，预测路径设定部39转移至图11的步骤ST5a的处理。
预测路径设定部39从分岔为多个的预测路径候补301中选择一个预测路径。例如，预测路径设定部39选择分岔为多个的预测路径候补301中最终端的节点302最接近中间目的地300的路径。
另外，预测路径设定部39也可以计算分岔为多个的预测路径候补301中分岔路径的各自的成本，选择这些成本最低的分岔路径作为预测路径。
分岔路径的成本也可以是对构成分岔路径的所有节点302设定的成本的总和。
例如，分岔路径中的第j个节点302可以通过下述式(12)计算。其中，αi(i＝1，2，3)是决定分岔路径的各自的成本的比重的参数，也可以由用户任意设定。
Cost(j)＝α1·W·Δdlane+α2·Δdobstacle+α3·ΔVnom (13)
另外，说明了预测路径候补301的生成处理的一个例子，但是在生成预测路径候补301时，也可以使用迪杰斯特拉算法、A＊算法这样的一般的路径生成方法。
另外，当最终端的节点302到达距离中间目的地300的一定范围400内时，结束生成预测路径候补301，但只要路径预测装置3的处理器3a的处理能力有余裕，也可以反复生成预测路径候补301。
在余量时间Tmrgn较短而无法由车辆100超越前车101的情况下，也可以设定为使中间目的地300跟随前车101。
例如，第1计算部36使用上述式(5)来计算余量时间Tmrgn，并且在余量时间Tmrgn为0或为负时将不能超越标记输出至决定部38。
决定部38在根据不能超越标记的值而识别出车辆100无法超越前车101这一情况时，将中间目的地300设定在处于车辆100正在行驶的车道200上、且不超越而能跟随前车101的位置。
通过这样将中间目的地300变更为跟随前车101的位置，不会无用地生成超越用的预测路径候补301，能够降低路径预测装置3的运算负荷。
对车辆100以一定的加速度超越前车101的情况下的余量时间Tmrgn的计算方法进行说明。
第1计算部36使用下述式(13)来计算分岔到达时间Tlim。
接下来，第1计算部36使用下述式(14)来计算从车辆100以一定的加速度行驶并超越前车101起到进入前车101与前前车102之间为止所需要的时间即下限值Tlower。
接着，第1计算部36根据上述式(3)至上述式(5)，使用分岔到达时间Tlim和下限值Tlower来计算超越的余量时间Tmrgn。
在下述式(13)和下述式(14)中，αego是车辆100的加速度(一定)，Vego是车辆100的当前的速度，Vlim是车辆100正在行驶的道路的限制速度。由此，即使在车辆100加速而超越前车101的情况下，也能够计算出超越的余量时间Tmrgn。
Figure GDA0002316945020000261
Figure GDA0002316945020000262
如上所述，在实施方式1所涉及的路径预测装置3中，根据车道的成本信息生成在避开到预测时刻为止存在的移动体的同时使车辆100去往中间目的地300的多个预测路径候补301，并将从多个预测路径候补301中选择的预测路径设定为每个预测时刻的车辆100的路径。
通过这样构成，能够根据车辆周边的状况预测车辆100的路径。例如，在车辆100超越前车101时有余裕的情况下，在相邻车道201中生成较多的预测路径候补301，在超越没有余裕的情况下，在车道200中生成较多的预测路径候补301。由此，能够根据车辆周边的状况来高效地选择预测路径。
另外，在实施方式1所涉及的路径预测装置3中，第1计算部36将分岔到达时间Tlim和空间确保时间Tspace中较短的一方的时间设为上限值Tupper，将车辆100超越前车101之后进入前车101与前前车102之间所需的时间设为下限值Tlower。第1计算部36计算上限值Tupper与下限值Tlower之间的差分作为余量时间Tmrgn。由此，能够通过简单的计算求出余量时间Tmrgn。
在实施方式1所涉及的路径预测装置3中，第2计算部37对标准时间Tot和余量时间Tmrgn进行比较，在两者一致的情况下，以使得车辆100正在行驶的车道的成本与相邻车道的成本相同的方式计算两者的权重并进行加权。第2计算部37在余量时间Tmrgn比标准时间Tot短的情况下，以使得车辆100正在行驶的车道的成本低于相邻车道的成本的方式计算两者的权重并进行加权。第2计算部37在余量时间Tmrgn比标准时间Tot长的情况下，以使得车辆100正在行驶的车道的成本高于相邻车道的成本的方式计算两者的权重并进行加权。由此，能够根据余量时间Tmrgn的长度，控制预测路径候补301的选择容易度。
在实施方式1所涉及的路径预测装置3中，第1计算部36假定车辆100以一定的速度或一定的加速度行驶来计算余量时间Tmrgn。
由此，通过使车辆100的速度一定，能够通过简单的计算来求出余量时间Tmrgn。
另外，在车辆100加速而超越前车101的情况下，也能够计算出超越的余量时间Tmrgn。
在实施方式1所涉及的路径预测装置3中，决定部38在余量时间为0或负的情况下，将中间目的地300决定为前车101的后方的位置，以使车辆100跟随前车101。
在车辆100无法超越前车101的情况下，中间目的地300变更为跟随前车101的位置，因此不会无用地生成超越用的预测路径候补301，能够降低路径预测装置3的运算负荷。
在实施方式1所涉及的路径预测装置3中，预测路径设定部39针对到预测时刻为止的每个时刻步长，反复进行如下动作来生成预测路径候补301：对前一时刻步长中的车辆100的状态设定车辆控制值，并计算下一时刻步长中的车辆100的状态。由此，能够利用前一时刻步长中的车辆100的状态高效地生成预测路径候补301。
在实施方式1所涉及的路径预测装置3中，第2计算部37计算针对由预测路径设定部39预测出的每个时刻步长的车辆100的预测位置的成本。预测路径设定部39生成从在前一时刻步长中的车辆100的预测位置中、由第2计算部37计算出的成本较低的预测位置连接到在下一时刻步长中的车辆100的预测位置的预测路径候补。由此，能够生成与车辆周边的状况相对应的预测路径候补301。
在实施方式1所涉及的路径预测装置3中，预测路径设定部39针对从所选择出的时刻步长到预测时刻为止的每个时刻步长，反复进行如下动作来生成预测路径候补：对在前一时刻步长中的车辆100的状态设定车辆控制值，并计算在下一时刻步长中的车辆100的状态。由此，能够生成与车辆周边的状况相对应的预测路径候补301。
在实施方式1所涉及的路径预测装置3中，预测路径设定部39从多个预测路径候补301中选择所有节点(预测位置)302的成本的总和最小的预测路径候补301作为车辆100的预测路径。由此，能够根据节点302的成本，控制预测路径候补301的选择容易度。
在实施方式1所涉及的路径预测装置3中，第2计算部37随着多个预测路径候补301中的、成为路径的最终端的车辆100的预测位置或最接近中间目的地300的车辆100的预测位置越接近中间目的地300，设定越低的成本。预测路径设定部39从多个预测路径候补301中选择所有预测位置的成本的总和最小的预测路径候补301作为车辆100的预测路径。
由此，容易选择不脱离车道的预测路径候补301。
在实施方式1所涉及的路径预测装置3中，第2计算部37随着多个预测路径候补301中的车辆100的预测位置越接近车道的中心线，设定越低的成本。预测路径设定部39从多个预测路径候补301中选择所有预测位置的成本的总和最小的预测路径候补301作为车辆100的预测路径。由此，容易选择不脱离车道的预测路径候补301。
在实施方式1所涉及的路径预测装置3中，第2计算部37随着在预测路径候补301的车辆100的预测位置处的车辆100的预测速度越接近推荐速度，设定越低的成本。预测路径设定部39从多个预测路径候补301中选择所有预测位置的成本的总和最小的预测路径候补301作为车辆100的预测路径。由此，容易选择车辆100的速度变动较少的预测路径候补301。
在实施方式1所涉及的路径预测装置3中，第2计算部37随着车辆100的预测位置越接近移动体的预测位置，设定越高的成本。预测路径设定部39从多个预测路径候补301中选择所有预测位置的成本的总和最小的预测路径候补301作为车辆100的预测路径。由此，容易选择车辆100避开移动体的预测路径候补301。
实施方式2
图15是表示本发明的实施方式2所涉及的路径预测装置3A的功能结构的框图。图15中，对与图2相同的构成要素标注相同的符号，并省略说明。路径预测装置3A搭载于车辆，依次预测该车辆应行驶的数秒后的每个预测时刻的预测路径。如图15所示，路径预测装置3A具备第1信息获取部30、第2信息获取部31、检测部32、预测处理部33、目标路径设定部34、地图DB35、第1计算部36A、第2计算部37、决定部38以及预测路径设定部39。
第1计算部36A获取由第2信息获取部31获取的与上述车辆的状态相关的信息、和由检测部32检测出的、与前车的状态相关的信息、与前前车的状态相关的信息以及与相邻车道车辆的状态相关的信息。另外，相邻车道车辆是指在上述车辆的前方在相邻车道上行驶、且最接近车辆的车辆。
此外，第1计算部36A基于与上述车辆、上述前车、上述前前车及相邻车道车辆各自的状态有关的信息，来计算上述车辆超越上述前车时的余量时间Tmrgn。
另外，这些车辆的状态包含车辆的当前位置以及速度(沿着目标路径的方向的速度)。
图16是表示在具有分岔路的道路上行驶的车辆100、前车101、前前车102以及相邻车道车辆105的位置关系的图。
在图16中，车辆100是具有图1所示的构成要素的车辆，搭载有路径预测装置3A。车辆100正在行驶的车道200是去往最终目的地的车道，相邻车道201是去往分岔路的车道。前车101是在车道200上在车辆100的前方行驶的车辆，前前车102是在车道200上在前车101的前方行驶的车辆。相邻车道车辆105是在车辆100的前方在相邻车道201上行驶、且最接近车辆100的车辆。
第1计算部36A将包含在目标路径信息中的分岔到达距离Rb和包含在与车辆100的状态有关的信息中的车辆100的速度Vego代入上述式(1)，以计算车辆100到达分岔路为止的时间即分岔到达时间Tlim。
接着，第1计算部36A通过将车辆100与前车101之间的车间距离R1、车辆100与前车101之间的间隔距离THR1、前车101的速度Vp1代入上述式(2)，来计算直至车辆100完成前车101的超越所需的时间。在实施方式2中，该时间也为下限值Tlower。
第1计算部36A通过将前车101与前前车102之间的车间距离R2、前车101与前前车102之间的车间距离THR2、前车101的速度Vp1、前前车102的速度Vp2代入上述式(3)，来计算空间确保时间Tspace。
接下来，第1计算部36A根据下述式(15)计算车辆100追上相邻车道车辆105为止的时间(以下记载为相邻车辆到达时间)Tnext。
在下述式(15)中，Rv是车辆100与相邻车道车辆105的车间距离，Vego是车辆100的速度，Vn是相邻车道车辆105的速度。这些速度是沿着目标路径的方向的速度。
车辆100与相邻车道车辆105之间的间隔距离THRv是在车辆100为了超越前车101而向相邻车道201进行车道变更时两者能够最接近的距离，是根据经验得到的值。
接下来，第1计算部36A根据下述式(16)将分岔到达时间Tlim、空间确保时间Tspace、相邻车辆到达时间Tnext中的最小时间决定为上限值Tupper。
Figure GDA0002316945020000311
Tupper＝min(Tlim，Tspace，Tnext) (16)
第1计算部36在决定下限值Tlower和上限值Tupper后，根据上述式(5)计算上限值Tupper与下限值Tlower之间的差分作为车辆100超越前车101时的余量时间Tmrgn。
上述余量时间Tmrgn是车辆100在保持与相邻车道车辆105之间的车间距离的同时超越前车101时的余量时间。
另外，第1计算部36A也可以通过使用上述式(13)和上述式(14)来计算分岔到达时间Tlim和下限值Tlower，并计算在保持车辆100与相邻车道车辆105之间的车间距离的同时车辆100以一定加速度超越前车101时的余量时间Tmrgn。
在图15中，示出了搭载于车辆100的路径预测装置3A，但实施方式2并不限定于该结构。
例如，路径预测装置3A也可以是能够经由无线通信装置4与车辆100的控制ECU2进行无线通信的服务器装置所具备的构成要素。
在该情况下，车辆100的路径预测所需要的信息经由无线通信装置4从车辆100侧向服务器装置发送，服务器装置所具备的路径预测装置3A基于从车辆100侧接收到的信息来决定车辆100的预测路径。
车辆100的预测路径信息从服务器装置侧发送到车辆100侧，车辆100的控制ECU2将从服务器装置侧接收到的预测路径信息所表示的路径设定为车辆100的路径。
在图15中，示出了路径预测装置3A具备第1信息获取部30、第2信息获取部31、检测部32、预测处理部33、目标路径设定部34、地图DB35、第1计算部36A、第2计算部37、决定部38以及预测路径设定部39的结构，但实施方式2并不限定于该结构。
例如，目标路径设定部34以及地图DB35可以是能够经由无线通信装置4进行通信的外部装置所具备的构成要素，第1信息获取部30、第2信息获取部31以及检测部32可以是控制ECU2所具备的构成要素。
在该情况下，路径预测装置3A经由无线通信装置4从外部装置接收地图信息以及目标路径信息，从控制ECU2获取与车辆周边的状态相关的信息、与车辆100的状态相关的信息、与前车101的状态相关的信息、与前前车102的状态相关的信息以及与相邻车道车辆105的状态有关的信息。
即，在实施方式2中，路径预测装置3A也可以是不具备第1信息获取部30、第2信息获取部31、检测部32、目标路径设定部34以及地图DB35的结构。
如上所述，在实施方式2所涉及的路径预测装置3A中，第1计算部36A基于与车辆100、前车101、前前车102以及相邻车道车辆105各自的状态相关的信息，来计算余量时间Tmrgn。
由此，能够计算出在保持与相邻车道车辆105之间的车间距离的同时车辆100超越前车101的情况下的余量时间Tmrgn。
另外，本发明不限于上述实施方式，在本发明的范围内，能够进行实施方式各自的自由组合或者实施方式各自的任意的构成要素的变形或者各实施方式中任意的构成要素的省略。
工业上的实用性
本发明的路径预测装置能够根据车辆周边的状况来预测车辆的路径，因此，例如能够用于自动驾驶车辆。
标号说明
1传感器组、1a车速传感器、1b转向角传感器、1c加速器传感器、1d制动器传感器、1e加速度传感器、1f角速度传感器、1g GPS装置、1h车外照相机、1i车外传感器、2控制ECU、2a，3a处理器、2b，3b ROM、2c，3c RAM、2d发动机、2e变速器、2f制动器致动器、2g转向致动器、3，3A路径预测装置、4无线通信装置、4a天线、4b发送部、4c接收部、30第1信息获取部、31第2信息获取部、32检测部、33预测处理部、34目标路径设定部、35地图DB、36，36A第1计算部、37第2计算部、38决定部、39预测路径设定部、100，103，104车辆、101前车、102前前车、105相邻车道车辆、200车道、201相邻车道、300中间目的地、301预测路径候补、301A，301A-1添加树、302节点、400一定范围。

Claims (15)

1.一种路径预测装置，其特征在于，包括：
预测处理部，该预测处理部基于与存在于车辆周边的移动体的状态相关的信息，针对从当前时刻起向后依次设定的预测时刻的每个时刻步长来计算所述移动体的预测位置；
第1计算部，该第1计算部基于与车辆的状态有关的信息、到最终目的地为止的目标路径信息、以及与所述车辆的前车和前前车各自的状态有关的信息，来计算正在目标路径上行驶的所述车辆超越所述前车时的余量时间；
第2计算部，该第2计算部根据由所述第1计算部计算出的所述余量时间的长度，通过比较所述车辆超越所述前车所需的标准时间与所述余量时间，由此计算所述车辆正在行驶的车道及相邻车道各自的成本的权重并进行加权；
决定部，该决定部针对每个所述预测时刻，决定在所述预测时刻的所述车辆的位置即中间目的地；以及
预测路径设定部，该预测路径设定部基于由所述第2计算部加权后的车道的成本信息、由所述决定部决定的中间目的地的位置信息、以及由所述预测处理部计算出的所述移动体的预测位置信息，与车道的成本信息相对应地生成在避开到所述预测时刻为止存在的所述移动体的同时所述车辆去往中间目的地的多个预测路径候补，并将从所述多个预测路径候补中选择出的预测路径设定为每个所述预测时刻的所述车辆的路径，
所述第1计算部将所述车辆到达目标路径上的分岔路为止的分岔到达时间与确保在所述前车与所述前前车之间所述车辆能够进入的空间的空间确保时间中的较短一方的时间作为上限值，将所述车辆超越所述前车且进入所述前车与所述前前车之间为止所需的时间作为下限值，计算所述上限值与所述下限值的差作为所述余量时间。
2.一种路径预测装置，其特征在于，包括：
预测处理部，该预测处理部基于与存在于车辆周边的移动体的状态相关的信息，针对从当前时刻起向后依次设定的预测时刻的每个时刻步长来计算所述移动体的预测位置；
第1计算部，该第1计算部基于与所述车辆的状态有关的信息、与前车的状态有关的信息、与前前车的状态有关的信息、以及与在所述车辆的前方在相邻车道上行驶且最接近所述车辆的相邻车道车辆的状态有关的信息，来计算正在目标路径上行驶的所述车辆超越所述前车时的余量时间；
第2计算部，该第2计算部根据由所述第1计算部计算出的所述余量时间的长度，通过比较所述车辆超越所述前车所需的标准时间与所述余量时间，由此计算所述车辆正在行驶的车道及相邻车道各自的成本的权重并进行加权；
决定部，该决定部针对每个所述预测时刻，决定在所述预测时刻的所述车辆的位置即中间目的地；以及
预测路径设定部，该预测路径设定部基于由所述第2计算部加权后的车道的成本信息、由所述决定部决定的中间目的地的位置信息、以及由所述预测处理部计算出的所述移动体的预测位置信息，与车道的成本信息相对应地生成在避开到所述预测时刻为止存在的所述移动体的同时所述车辆去往中间目的地的多个预测路径候补，并将从所述多个预测路径候补中选择出的预测路径设定为每个所述预测时刻的所述车辆的路径，
所述第1计算部将所述车辆到达目标路径上的分岔路为止的分岔到达时间、确保在所述前车与所述前前车之间所述车辆能够进入的空间的空间确保时间与所述车辆追上所述相邻车道车辆为止的相邻车辆到达时间中的最小时间作为上限值，将所述车辆超越所述前车且进入所述前车与所述前前车之间为止所需的时间作为下限值，计算所述上限值与所述下限值的差作为所述余量时间。
3.如权利要求1或2所述的路径预测装置，其特征在于，
所述第2计算部中，
比较所述车辆超越所述前车所需的标准时间和所述余量时间，
在二者一致的情况下，以使得所述车辆正在行驶的车道的成本与相邻车道的成本相同的方式进行加权，
在所述余量时间比所述标准时间短的情况下，以使得所述车辆正在行驶的车道的成本低于相邻车道的成本的方式进行加权，
在所述余量时间比所述标准时间长的情况下，以使得所述车辆正在行驶的车道的成本高于相邻车道的成本的方式进行加权。
4.如权利要求1或2所述的路径预测装置，其特征在于，
所述第1计算部假定所述车辆以一定的速度或一定的加速度行驶来计算所述余量时间。
5.如权利要求1或2所述的路径预测装置，其特征在于，
所述决定部在所述余量时间为0或为负的情况下，将中间目的地决定为所述前车的后方的位置，以使得所述车辆跟随所述前车。
6.如权利要求1或2所述的路径预测装置，其特征在于，
所述预测路径设定部针对到所述预测时刻为止的每个时刻步长，反复进行如下动作来生成预测路径候补：对前一时刻步长中的所述车辆的状态设定车辆控制值，并计算下一时刻步长中的所述车辆的状态。
7.如权利要求6所述的路径预测装置，其特征在于，
所述第2计算部计算由所述预测路径设定部预测出的每个时刻步长的所述车辆的预测位置所对应的成本，
所述预测路径设定部生成从在前一时刻步长中的所述车辆的预测位置中、由所述第2计算部计算出的成本较低的预测位置连接到在下一时刻步长中的所述车辆的预测位置的预测路径候补。
8.如权利要求6所述的路径预测装置，其特征在于，
所述预测路径设定部针对从所选择出的时刻到所述预测时刻为止的每个时刻步长，反复进行如下动作来生成预测路径候补：对前一时刻步长中的所述车辆的状态设定车辆控制值，并计算下一时刻步长中的所述车辆的状态。
9.如权利要求7所述的路径预测装置，其特征在于，
所述预测路径设定部从所述多个预测路径候补中选择所有预测位置的成本的总和为最小的预测路径候补作为所述车辆的预测路径。
10.如权利要求7所述的路径预测装置，其特征在于，
所述第2计算部随着在所述多个预测路径候补中的、成为路径的最终端的所述车辆的预测位置或者最接近中间目的地的所述车辆的预测位置越接近中间目的地，设定越低的成本，
所述预测路径设定部从所述多个预测路径候补中选择所有预测位置的成本的总和为最小的预测路径候补作为所述车辆的预测路径。
11.如权利要求7所述的路径预测装置，其特征在于，
所述第2计算部随着所述多个预测路径候补中的所述车辆的预测位置越接近车道的中心线，设定越低的成本，
所述预测路径设定部从所述多个预测路径候补中选择所有预测位置的成本的总和为最小的预测路径候补作为所述车辆的预测路径。
12.如权利要求7所述的路径预测装置，其特征在于，
所述第2计算部随着在预测路径候补的所述车辆的预测位置处的所述车辆的预测速度越接近推荐速度，设定越低的成本，
所述预测路径设定部从所述多个预测路径候补中选择所有预测位置的成本的总和为最小的预测路径候补作为所述车辆的预测路径。
13.如权利要求7所述的路径预测装置，其特征在于，
所述第2计算部随着所述车辆的预测位置越接近所述移动体的预测位置，设定越高的成本，
所述预测路径设定部从所述多个预测路径候补中选择所有预测位置的成本的总和为最小的预测路径候补作为所述车辆的预测路径。
14.一种路径预测方法，其特征在于，包括：
预测处理部基于与存在于车辆周边的移动体的状态相关的信息，针对从当前时刻起向后依次设定的预测时刻的每个时刻步长来计算所述移动体的预测位置的步骤；
第1计算部基于与车辆的状态有关的信息、到最终目的地为止的目标路径信息、以及与所述车辆的前车和前前车各自的状态有关的信息，来计算正在目标路径上行驶的所述车辆超越所述前车时的余量时间的步骤；
第2计算部根据由所述第1计算部计算出的所述余量时间的长度，通过比较所述车辆超越所述前车所需的标准时间与所述余量时间，由此计算所述车辆正在行驶的车道及相邻车道各自的成本的权重并进行加权的步骤；
决定部针对每个所述预测时刻，决定在所述预测时刻的所述车辆的位置即中间目的地的步骤；以及
预测路径设定部基于由所述第2计算部加权后的车道的成本信息、由所述决定部决定的中间目的地的位置信息、以及由所述预测处理部计算出的所述移动体的预测位置信息，与车道的成本信息相对应地生成在避开到所述预测时刻为止存在的所述移动体的同时所述车辆去往中间目的地的多个预测路径候补，并将从所述多个预测路径候补中选择出的预测路径设定为每个所述预测时刻的所述车辆的路径的步骤，
所述第1计算部将所述车辆到达目标路径上的分岔路为止的分岔到达时间与确保在所述前车与所述前前车之间所述车辆能够进入的空间的空间确保时间中的较短一方的时间作为上限值，将所述车辆超越所述前车且进入所述前车与所述前前车之间为止所需的时间作为下限值，计算所述上限值与所述下限值的差作为所述余量时间。
15.一种路径预测方法，其特征在于，包括：
预测处理部基于与存在于车辆周边的移动体的状态相关的信息，针对从当前时刻起向后依次设定的预测时刻的每个时刻步长来计算所述移动体的预测位置的步骤；
第1计算部基于与所述车辆的状态有关的信息、与前车的状态有关的信息、与前前车的状态有关的信息、以及与在所述车辆的前方在相邻车道上行驶且最接近所述车辆的相邻车道车辆的状态有关的信息，来计算正在目标路径上行驶的所述车辆超越所述前车时的余量时间的步骤；
第2计算部根据由所述第1计算部计算出的所述余量时间的长度，通过比较所述车辆超越所述前车所需的标准时间与所述余量时间，由此计算所述车辆正在行驶的车道及相邻车道各自的成本的权重并进行加权的步骤；
决定部针对每个所述预测时刻，决定在所述预测时刻的所述车辆的位置即中间目的地的步骤；以及
预测路径设定部基于由所述第2计算部加权后的车道的成本信息、由所述决定部决定的中间目的地的位置信息、以及由所述预测处理部计算出的所述移动体的预测位置信息，与车道的成本信息相对应地生成在避开到所述预测时刻为止存在的所述移动体的同时所述车辆去往中间目的地的多个预测路径候补，并将从所述多个预测路径候补中选择出的预测路径设定为每个所述预测时刻的所述车辆的路径的步骤，
所述第1计算部将所述车辆到达目标路径上的分岔路为止的分岔到达时间、确保在所述前车与所述前前车之间所述车辆能够进入的空间的空间确保时间与所述车辆追上所述相邻车道车辆为止的相邻车辆到达时间中的最小时间作为上限值，将所述车辆超越所述前车且进入所述前车与所述前前车之间为止所需的时间作为下限值，计算所述上限值与所述下限值的差作为所述余量时间。
CN201780092039.2A 2017-06-20 2017-06-20 路径预测装置以及路径预测方法 Active CN110770809B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/022683 WO2018235159A1 (ja) 2017-06-20 2017-06-20 経路予測装置および経路予測方法

Publications (2)

Publication Number Publication Date
CN110770809A CN110770809A (zh) 2020-02-07
CN110770809B true CN110770809B (zh) 2022-08-09

Family

ID=64736918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780092039.2A Active CN110770809B (zh) 2017-06-20 2017-06-20 路径预测装置以及路径预测方法

Country Status (5)

Country Link
US (1) US11332141B2 (zh)
JP (1) JP6636218B2 (zh)
CN (1) CN110770809B (zh)
DE (1) DE112017007661T5 (zh)
WO (1) WO2018235159A1 (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190079517A1 (en) 2017-09-08 2019-03-14 nuTonomy Inc. Planning autonomous motion
WO2019098081A1 (ja) * 2017-11-20 2019-05-23 ソニー株式会社 情報処理装置、情報処理方法、プログラム、及び、車両
JP7143883B2 (ja) * 2018-06-13 2022-09-29 日本電気株式会社 対象物数推定システム、対象物数推定方法、及びプログラム
JP7046740B2 (ja) * 2018-07-02 2022-04-04 日立Astemo株式会社 予測制御装置
JP7256639B2 (ja) * 2018-12-26 2023-04-12 フォルシアクラリオン・エレクトロニクス株式会社 車載処理装置
JP7112658B2 (ja) * 2019-01-17 2022-08-04 マツダ株式会社 車両運転支援システム及び方法
CN109813328B (zh) * 2019-02-22 2021-04-30 百度在线网络技术（北京）有限公司 一种驾驶路径规划方法、装置及车辆
US11414130B2 (en) * 2019-10-09 2022-08-16 Argo AI, LLC Methods and systems for lane changes using a multi-corridor representation of local route regions
DE102019129879A1 (de) * 2019-11-06 2021-05-06 Zf Friedrichshafen Ag Verfahren sowie Steuergerät zum Steuern eines Kraftfahrzeugs
WO2021161510A1 (ja) * 2020-02-14 2021-08-19 三菱電機株式会社 車両走行経路生成装置、および車両走行経路生成方法
JP7225262B2 (ja) * 2020-02-26 2023-02-20 バイドゥドットコム タイムズ テクノロジー （ベイジン） カンパニー リミテッド 自動運転車の障害物回避に関する軌跡計画
WO2021176677A1 (ja) * 2020-03-05 2021-09-10 日本電信電話株式会社 管理装置、管理方法及び管理プログラム
US20230088390A1 (en) * 2020-03-05 2023-03-23 Nippon Telegraph And Telephone Corporation Generation device, generation method, and generation program
CN113763739B (zh) * 2020-06-04 2022-08-05 比亚迪股份有限公司 一种车辆行驶路径确定方法、装置、设备及介质
CN111824131B (zh) * 2020-07-10 2021-10-12 广州小鹏自动驾驶科技有限公司 一种自动泊车的方法和车辆
JP2022030664A (ja) * 2020-08-07 2022-02-18 株式会社東芝 情報処理装置、情報処理方法、プログラム、情報処理システム、および、車両制御システム
US11814075B2 (en) 2020-08-26 2023-11-14 Motional Ad Llc Conditional motion predictions
CN112835362B (zh) * 2020-12-29 2023-06-30 际络科技(上海)有限公司 一种自动变道规划方法及装置、电子设备和存储介质
US11884269B2 (en) 2021-02-19 2024-01-30 Argo AI, LLC Systems and methods for determining future intentions of objects
US11565723B2 (en) * 2021-02-19 2023-01-31 Argo AI, LLC Systems and methods for vehicle motion planning
CN112937570B (zh) * 2021-02-20 2022-11-22 福瑞泰克智能系统有限公司 一种行驶路径的确定方法、装置、设备及车辆
US20230373523A1 (en) * 2022-05-19 2023-11-23 Ford Global Technologies, Llc Systems and methods for biasing a trajectory of an autonomous vehicle while moving in a lane
CN115035724B (zh) * 2022-07-13 2022-12-02 吉林大学 一种基于生态编队的物流车准时化运输车路协同管控方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103935361A (zh) * 2013-01-21 2014-07-23 通用汽车环球科技运作有限责任公司 用于自主的车道变换、经过和超越行为的有效数据流算法
JP2015152386A (ja) * 2014-02-13 2015-08-24 アイシン・エィ・ダブリュ株式会社 運転支援装置、運転支援方法及びプログラム
JP2015230547A (ja) * 2014-06-04 2015-12-21 株式会社デンソー 運転操作を生成するシステムおよび方法
JP2016038717A (ja) * 2014-08-07 2016-03-22 日産自動車株式会社 先行車追越支援装置
CN106660553A (zh) * 2014-09-05 2017-05-10 三菱电机株式会社 自动行驶管理系统、服务器及自动行驶管理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6103716B2 (ja) * 2014-06-17 2017-03-29 富士重工業株式会社 車両の走行制御装置
JP6031066B2 (ja) * 2014-06-17 2016-11-24 富士重工業株式会社 車両の走行制御装置
JP6752024B2 (ja) * 2016-02-12 2020-09-09 日立オートモティブシステムズ株式会社 画像処理装置
US11079761B2 (en) * 2018-12-12 2021-08-03 Ford Global Technologies, Llc Vehicle path processing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103935361A (zh) * 2013-01-21 2014-07-23 通用汽车环球科技运作有限责任公司 用于自主的车道变换、经过和超越行为的有效数据流算法
JP2015152386A (ja) * 2014-02-13 2015-08-24 アイシン・エィ・ダブリュ株式会社 運転支援装置、運転支援方法及びプログラム
JP2015230547A (ja) * 2014-06-04 2015-12-21 株式会社デンソー 運転操作を生成するシステムおよび方法
JP2016038717A (ja) * 2014-08-07 2016-03-22 日産自動車株式会社 先行車追越支援装置
CN106660553A (zh) * 2014-09-05 2017-05-10 三菱电机株式会社 自动行驶管理系统、服务器及自动行驶管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
无人驾驶汽车的路径规划与跟随控制算法研究;潘鲁彬;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170215;C035-283 *

Also Published As

Publication number Publication date
JP6636218B2 (ja) 2020-01-29
WO2018235159A1 (ja) 2018-12-27
US20210163010A1 (en) 2021-06-03
US11332141B2 (en) 2022-05-17
CN110770809A (zh) 2020-02-07
DE112017007661T5 (de) 2020-04-23
JPWO2018235159A1 (ja) 2019-11-07

Similar Documents

Publication Publication Date Title
CN110770809B (zh) 路径预测装置以及路径预测方法
US11945434B2 (en) Delay decision making for autonomous driving vehicles in response to obstacles based on confidence level and distance
US10928820B1 (en) Confidence levels along the same predicted trajectory of an obstacle
CN109484404B (zh) 车辆控制装置、车辆控制方法及存储介质
US11036235B2 (en) Vehicle control device, vehicle control method, and storage medium
US11247692B2 (en) Prediction device, prediction method, and storage medium
US11055540B2 (en) Method for determining anchor boxes for training neural network object detection models for autonomous driving
US20190278285A1 (en) Vehicle control device, vehicle control method, and storage medium
US11560159B2 (en) Group and combine obstacles for autonomous driving vehicles
US20210070289A1 (en) Vehicle control device, vehicle control method, and storage medium
US20190009819A1 (en) Vehicle control system, vehicle control method and vehicle control program
CN113129624B (zh) 交通堵塞情况下的最快车道确定算法
US20190155303A1 (en) Vehicle control device, vehicle control method, and storage medium
JP2019111867A (ja) 車両制御装置、車両制御方法、およびプログラム
US11661085B2 (en) Locked pedestrian detection and prediction for autonomous vehicles
CN113821022A (zh) 基于相对速度的缓冲区的速度规划
JP7137151B2 (ja) 運行制御装置及び車両
JPWO2019167247A1 (ja) 車両制御装置、車両制御方法、及びプログラム
CN113815640A (zh) 用于具有不同速度限制的车道的车道变更系统
US20210197823A1 (en) Central line shifting based pre-change lane path planning
EP4147936A1 (en) Drive with caution under uncertainty for an autonomous driving vehicle
JP2019066948A (ja) 車両制御装置、車両制御方法、およびプログラム
JP7236279B2 (ja) 走行支援方法及び走行支援装置
US20230202516A1 (en) Planning under prediction with confidence region for an autonomous driving vehicle
CN112141108B (zh) 车辆控制装置、车辆控制装方法及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant