CN113370975A - 驾驶辅助系统 - Google Patents

驾驶辅助系统 Download PDF

Info

Publication number
CN113370975A
CN113370975A CN202110245154.7A CN202110245154A CN113370975A CN 113370975 A CN113370975 A CN 113370975A CN 202110245154 A CN202110245154 A CN 202110245154A CN 113370975 A CN113370975 A CN 113370975A
Authority
CN
China
Prior art keywords
risk
vehicle
target
processor
information
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.)
Pending
Application number
CN202110245154.7A
Other languages
English (en)
Inventor
菅谷文男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN113370975A publication Critical patent/CN113370975A/zh
Pending legal-status Critical Current

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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2554/4042—Longitudinal speed
    • 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
    • B60W2554/4044—Direction of movement, e.g. backwards

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

提供一种驾驶辅助系统，对用于降低与存在于车辆前方的目标物的碰撞风险的风险规避控制的过剩工作或者不必要工作进行抑制。与存在于车辆前方的目标物的碰撞风险由表示风险值的分布的风险场表示。在风险场的算出中，考虑多个模式的目标物状态参数。更详细而言，基于表示目标物的移动方向和移动速度的目标物信息，设定各个目标物状态参数的概率。另外，使用了各个目标物状态参数的情况下的风险值被作为部分风险值来算出。使用作为对于多个模式的目标物状态参数的概率与部分风险值之积的总和的风险值，设定风险场。并且，基于该风险场，判定是否执行风险规避控制、或者风险规避控制的工作条件是否成立。

Description

驾驶辅助系统
技术领域
本发明涉及对车辆的驾驶进行辅助的驾驶辅助控制。本发明尤其涉及用于降低与存在于车辆前方的目标物的碰撞风险的风险规避控制。
背景技术
专利文献1公开了驾驶辅助装置。驾驶辅助装置对车辆前方的障碍物进行检测，估计存在于该障碍物的死角的潜在风险。潜在风险是存在于障碍物的死角的假想的移动体。该假想的移动体被假定为会与车道垂直地以预定速度进行移动而进入到车道。驾驶辅助装置基于车辆与假想的移动体之间的推定碰撞速度，算出潜在风险的风险程度。特别是，驾驶辅助装置对多个不同的车辆位置和车速进行假定，算出表示那些多个车辆位置和车速各自的情况下的风险程度的风险场。并且，驾驶辅助装置基于风险场来设定适当的车辆轨迹(trajectory)。
现有技术文献
专利文献1：日本特开2017－206117号公报
发明内容
发明要解决的技术问题
对用于降低与存在于车辆前方的目标物的碰撞风险的“风险规避控制”进行考虑。为了适当地执行风险规避控制，需要适当地估计与目标物的碰撞风险的大小。这是因为：在碰撞风险被过大地估计了的情况下，风险规避控制会过剩地或者不必要地进行工作。
根据上述专利文献1所公开的技术，假定为存在于障碍物的死角的假想的移动体会与车道垂直地以预定速度进行移动而进入到车道。然而，实际的目标物不一定限于与车道垂直地进行移动且进入到车道。当那样的假定也被应用于不是存在于死角而是存在于能够从车辆进行识别的范围内的目标物时，碰撞风险会被过大地进行估计，风险规避控制过剩地或者不必要地进行工作的可能性会变高。
本发明的一个目的在于提供能够对风险规避控制的过剩工作或者不必要工作进行抑制的技术，该风险规避控制用于降低与存在于车辆前方的目标物的碰撞风险。
用于解决问题的技术方案
第1观点涉及对车辆的驾驶进行辅助的驾驶辅助系统。
驾驶辅助系统具备存储装置和处理器。
在存储装置保存有驾驶环境信息，该驾驶环境信息表示车辆的驾驶环境。
处理器基于驾驶环境信息，执行风险规避控制，该风险规避控制包括用于降低与存在于车辆前方的目标物的碰撞风险的转向控制和减速控制中的至少一方。
车辆状态参数包括车辆与目标物之间的假想的相对位置和车辆的假想的速度。
目标物状态参数包括目标物的设想移动方向和设想移动速度。
与目标物有关的风险值通过由车辆状态参数定义的车辆和由目标物状态参数定义的目标物的推定碰撞速度的函数表示。
风险场表示对于多个模式的车辆状态参数的风险值的分布。
驾驶环境信息包括目标物信息，该目标物信息表示目标物的位置、移动方向以及移动速度。
处理器设定多个模式的目标物状态参数。
处理器基于目标物信息，设定多个模式的目标物状态参数各自的概率。
处理器算出使用了多个模式的目标物状态参数的各个目标物状态参数的情况下的风险值来作为部分风险值。
处理器使用作为对于多个模式的目标物状态参数的概率与部分风险值之积的总和的风险值，设定风险场。
处理器基于风险场，判定是否执行风险规避控制、或者风险规避控制的工作条件是否成立。
第2观点在第1观点的基础上还具有如下特征。
处理器以多个模式的设想移动方向以目标物为中心而在周向上分布的方式设定多个模式的目标物状态参数。
第3观点在第2观点的基础上还具有如下特征。
处理器以多个模式的设想移动方向在周向上均匀地分布的方式设定多个模式的目标物状态参数。
第4观点在第2观点或者第3观点的基础上还具有如下特征。
目标物状态参数的设想移动方向越接近由目标物信息表示的目标物的移动方向，则处理器将该目标物状态参数的概率设定为越高。
第5观点在第2观点或者第3观点的基础上还具有如下特征。
驾驶环境信息还包括障碍物信息，该障碍物信息表示目标物无法通过的障碍物的位置。
处理器基于障碍物信息，将在设想移动方向上存在障碍物的目标物状态参数的概率设定为零。
第6观点在第1观点～第5观点中的任一观点的基础上还具有如下特征。
处理器以设想移动速度包括多个模式的方式设定多个模式的目标物状态参数。
第7观点在第6观点的基础上还具有如下特征。
目标物状态参数的设想移动速度越接近由目标物信息表示的目标物的移动速度，则处理器将该目标物状态参数的概率设定为越高。
第8观点在第1观点～第7观点中的任一观点的基础上还具有如下特征。
目标物信息还表示目标物的种类。
处理器基于目标物的种类，算出概率。
第9观点在第1观点～第8观点中的任一观点的基础上还具有如下特征。
在目标物为多个的情况下，处理器关于多个目标物分别算出多个风险场，通过使多个风险场叠加来取得风险场。
第10观点在第1观点～第9观点中的任一观点的基础上还具有如下特征。
所述处理器进一步在相对于目标物的碰撞余裕时间低于第1阈值的情况下，执行以第1减速度使车辆进行减速的紧急制动控制。
处理器考虑紧急制动控制的工作来算出推定碰撞速度，基于推定碰撞速度来算出风险值。
发明的效果
根据本发明，与存在于车辆前方的目标物的碰撞风险由风险场表示。更详细而言，风险场表示对于多个模式的车辆状态参数的风险值的分布。车辆状态参数包括车辆与目标物之间的假想的相对位置以及车辆的假想的速度。目标物状态参数包括目标物的设想移动方向以及设想移动速度。风险值通过由车辆状态参数定义的车辆和由目标物状态参数定义的目标物的推定碰撞速度的函数表示。也即是，风险值不是感觉性的，而是具有物理性的含义。因此，风险场(风险值)高精度地表示与目标物的碰撞风险。
进一步，根据本发明，在风险场的设定中，考虑多个模式的目标物状态参数。具体而言，设定多个模式的目标物状态参数各自的概率。目标物并不是随机地移动，而是与过去的移动具有某种程度的连续性地进行移动。至少目标物的最近的移动方向和移动速度成为对将来的移动方向和移动速度进行推定的线索。因此，能够基于表示目标物的移动方向和移动速度的目标物信息，设定各个目标物状态参数的概率。另外，使用了各个目标物状态参数的情况下的风险值被作为部分风险值来算出。并且，对于全部模式的目标物状态参数的概率与部分风险值之积的总和被作为最终的风险值来使用。
这样，在风险场的设定中，目标物状态参数不被固定为一种，考虑多个模式的目标物状态参数。也即是，多个模式的目标物状态参数被反映于风险场。因此，表示与目标物的碰撞风险的风险场的精度进一步提高。
这样得到的高精度的风险场被应用于用于降低与目标物的碰撞风险的风险规避控制。风险场高精度地表示碰撞风险，因此，风险规避控制的过剩工作或者不必要工作得到抑制。例如，通过基于高精度的风险场来执行风险规避控制，能够对风险规避控制的过剩工作进行抑制。另外，通过基于高精度的风险场判定风险规避控制的工作条件是否成立，能够对风险规避控制的不必要工作进行抑制。其结果，对于风险规避控制的过剩工作、不必要工作的违和感得到减轻。
附图说明
图1是用于对本发明的实施方式涉及的驾驶辅助系统的概要进行说明的概念图。
图2是表示本发明的实施方式涉及的车辆以及驾驶辅助系统的构成例的框图。
图3是表示本发明的实施方式中的驾驶环境信息的例子的框图。
图4是表示本发明的实施方式涉及的驾驶辅助系统的与风险规避控制关联的基本处理的流程图。
图5是用于对本发明的实施方式涉及的风险算出处理(步骤S300)进行说明的概念图。
图6是表示本发明的实施方式中的风险场的一个例子的图。
图7是表示本发明的实施方式涉及的基本的风险算出处理(步骤S300)的流程图。
图8是表示本发明的实施方式涉及的高精度的风险算出处理(步骤S300)的流程图。
图9是表示本发明的实施方式涉及的多个模式的目标物状态参数的一个例子的概念图。
图10是表示本发明的实施方式涉及的多个模式的目标物状态参数的其他例子的概念图。
图11是表示本发明的实施方式涉及的概率设定处理(步骤S320)的第1例的概念图。
图12是表示本发明的实施方式涉及的概率设定处理(步骤S320)的第2例的概念图。
图13是表示本发明的实施方式涉及的概率设定处理(步骤S320)的第3例的概念图。
图14是表示本发明的实施方式涉及的概率设定处理(步骤S320)的第4例的概念图。
图15是表示本发明的实施方式涉及的概率设定处理(步骤S320)的第4例的概念图。
图16是表示本发明的实施方式涉及的驾驶辅助系统中使用的信息的框图。
图17是用于对本发明的实施方式中的对于多个目标物的多个风险场的叠加进行说明的概念图。
标号说明
1 车辆
5 目标物
6 障碍物
10 驾驶辅助系统
20 传感器组
21 位置传感器
22 车辆状态传感器
23 识别传感器
30 行驶装置
31 转向装置
32 驱动装置
33 制动装置
100 控制装置
110 处理器
120 存储装置
200 驾驶环境信息
210 车辆位置信息
220 车辆状态信息
230 周边状况信息
240 道路构成信息
250 目标物信息
260 障碍物信息
270 地图信息
300 风险信息
320 概率设定信息
AR 风险判定区域
DLAT 横向距离
DLON 纵向距离
EDT 设想移动方向
EVT 设想移动速度
R 风险值
RF 风险场
RP 部分风险值
ST 目标物状态参数
SV 车辆状态参数
具体实施方式
参照附图对本发明的实施方式进行说明。
1.驾驶辅助系统
1－1.概要
图1是用于对本实施方式涉及的驾驶辅助系统10的概要进行说明的概念图。驾驶辅助系统10执行对车辆1的驾驶进行辅助的“驾驶辅助控制”。驾驶辅助控制也可以包含于自动驾驶控制。典型地，驾驶辅助系统10搭载于车辆1。或者，驾驶辅助系统10的至少一部分也可以配置在车辆1外部的外部装置，以远程的方式进行驾驶辅助控制。也即是，驾驶辅助系统10也可以分散地配置在车辆1和外部装置。
驾驶辅助控制包括事先规避车辆1前方的风险的“风险规避控制”。更详细而言，驾驶辅助系统10对存在于车辆1前方的目标物5进行识别。典型地，目标物5为移动物体。并且，驾驶辅助系统10为了事先降低(规避)与目标物5的碰撞风险而执行风险规避控制。那样的风险规避控制包括转向控制和减速控制中的至少一方。
例如，在图1中，车辆1行驶在车行道2中的第1车道L1上。在与车行道2相邻的路侧区域3(路肩、路侧带、人行道等)存在有行人。该行人有可能会进入到车行道2(第1车道L1)。因此，存在于路侧区域3的行人对于车辆1来说是风险。驾驶辅助系统10为了降低与行人的碰撞风险，根据需要来执行风险规避控制。例如，驾驶辅助系统10使车辆自动地向远离行人的方向进行转向。在图1中，轨迹TR0表示不执行风险规避控制的情况下的车辆1的轨迹。另一方面，轨迹TR1表示执行风险规避控制的情况下的车辆1的轨迹。
作为风险规避控制的对象的目标物5不限于存在于路侧区域3的行人。作为目标物5的其他例子，可举出存在于路侧区域3的自行车、二轮车、停车车辆等。作为目标物5的又一其他例子，也可以举出存在于车行道2的行人、自行车、二轮车、先行车辆等。即，成为风险规避控制的对象的目标物5包括存在于车辆1前方的行人、自行车、二轮车、其他车辆中的至少一个。
1－2.构成例
图2是概略地表示本实施方式涉及的车辆1以及驾驶辅助系统10的构成例的框图。特别是，图2表示与风险规避控制关联的构成例。车辆1具备传感器组20和行驶装置30。
传感器组20包括位置传感器21、车辆状态传感器22以及识别传感器23。位置传感器21对车辆1的位置和方位进行检测。作为位置传感器21，可例示GPS(Global PositioningSystem，全球定位系统)传感器。车辆状态传感器22对车辆1的状态进行检测。作为车辆状态传感器22，可例示车速传感器、偏航率传感器、横加速度传感器、转向角传感器等。识别传感器23对车辆1周围的状况进行识别(检测)。作为识别传感器23，可例示摄像头、雷达、激光雷达(LIDAR：Laser Imaging Detection and Ranging)等。
行驶装置30包括转向装置31、驱动装置32以及制动装置33。转向装置31使车辆1的车轮进行转向。例如，转向装置31包括电动助力转向(EPS：Electric Power Steering)装置。驱动装置32是产生驱动力的动力源。作为驱动装置32，可例示发动机、电动机、轮内马达等。制动装置33产生制动力。
驾驶辅助系统10至少包括控制装置100。驾驶辅助系统10也可以包括传感器组20。驾驶辅助系统10也可以包括行驶装置30。
控制装置100对车辆1进行控制。典型地，控制装置100是搭载于车辆1的微型计算机。控制装置100也被称为ECU(Electronic Control Unit，电子控制单元)。或者，控制装置100也可以是车辆1外部的信息处理装置。在该情况下，控制装置100与车辆1进行通信，以远程的方式对车辆1进行控制。
控制装置100具备处理器110和存储装置120。处理器110执行各种处理。在存储装置120保存有各种信息。作为存储装置120，可例示易失性存储器、非易失性存储器等。通过处理器110执行作为计算机程序的控制程序，实现基于处理器110(控制装置100)的各种处理。控制程序保存于存储装置120，或者记录于计算机能够读取的记录介质。
1－3.信息取得处理
处理器110(控制装置100)执行取得驾驶环境信息200的“信息取得处理”，该驾驶环境信息200表示车辆1的驾驶环境。驾驶环境信息200基于搭载于车辆1的传感器组20的检测结果来取得。所取得的驾驶环境信息200被保存于存储装置120。
图3是表示驾驶环境信息200的例子的框图。驾驶环境信息200包括车辆位置信息210、车辆状态信息220、周边状况信息230、地图信息270等。
车辆位置信息210是表示车辆1的位置和方位的信息。处理器110从位置传感器21的检测结果取得车辆位置信息210。
车辆状态信息220是表示车辆1的状态的信息。作为车辆1的状态，可例示车速、偏航率、横向加速度、转向角等。处理器110从车辆状态传感器22的检测结果取得车辆状态信息220。
周边状况信息230是表示车辆1周围的状况的信息。周边状况信息230包括由识别传感器23得到的信息。例如，周边状况信息230包括由摄像头拍摄到的表示车辆1周围的状况的图像信息。作为其他例子，周边状况信息230包括由雷达、激光雷达计测到的计测信息。周边状况信息230还包括道路构成信息240、目标物信息250以及障碍物信息260。
道路构成信息240是与车辆1周围的道路构成有关的信息。车辆1周围的道路构成包括区划线(白线)和道路端物体。道路端物体是表示道路的端部的立体物。作为道路端物体，可例示路缘石、护栏、墙壁、中央分离带等。道路构成信息240至少表示区划线、道路端物体的位置(相对于车辆1的相对位置)。
例如，通过对由摄像头得到的图像信息进行解析，能够对区划线进行识别，算出该区划线的相对位置。作为图像解析方法，可例示语义分割(Semantic Segmentation)、边缘检测。同样地，通过对图像信息进行解析，能够对道路端物体进行识别，算出该道路端物体的相对位置。或者，也能够从雷达计测信息取得道路端物体的相对位置。
目标物信息250是与车辆1周围的目标物5有关的信息。作为目标物5，可例示行人、自行车、二轮车、其他车辆(先行车辆、停车车辆)等。目标物信息250表示目标物5相对于车辆1的相对位置和相对速度。例如，通过对由摄像头得到的图像信息进行解析，能够对目标物5进行识别，算出该目标物5的相对位置。另外，也能够基于雷达计测信息，对目标物5进行识别，取得该目标物5的相对位置和相对速度。目标物信息250也可以包括目标物5的移动方向、移动速度。目标物5的移动方向、移动速度能够通过对目标物5的位置进行跟踪来算出。目标物信息250也可以包括过去的一定期间的目标物5的相对位置、相对速度、移动方向以及移动速度的历史记录。目标物信息250也可以表示目标物5的种类(行人、自行车、二轮车、其他车辆等)。
障碍物信息260是与车辆1周围的障碍物有关的信息。作为障碍物，可例示电线杆、招牌、墙壁、建筑物等。障碍物信息260至少表示障碍物的位置(相对于车辆1的相对位置)。
地图信息270表示车道配置、道路形状等。控制装置100从地图数据库取得所需要的区域的地图信息270。地图数据库既可以保存在搭载于车辆1的预定存储装置中，也可以保存在车辆1外部的管理服务器中。在后者的情况下，处理器110与管理服务器进行通信，取得所需要的地图信息270。
1－4.车辆行驶控制
处理器110(控制装置100)执行对车辆1的行驶进行控制的“车辆行驶控制”。车辆行驶控制包括对车辆1的转向进行控制的转向控制、对车辆1的加速进行控制的加速控制、以及对车辆1的减速进行控制的减速控制。处理器110通过对行驶装置30进行控制来执行车辆行驶控制。具体而言，处理器110通过对转向装置31进行控制来执行转向控制。另外，处理器110通过对驱动装置32进行控制来执行加速控制。另外，控制装置100通过对制动装置33进行控制来执行减速控制。
1－5.紧急制动控制
处理器110(控制装置100)在紧急时执行使车辆1自动减速的“紧急制动控制”。紧急制动控制也被称为AEB(Autonomous Emergency Braking，自动紧急制动)或者PCS(Pre-Crash Safety System，防碰撞安全系统)。具体而言，处理器110基于驾驶环境信息200，算出车辆1相对于前方的目标物5的碰撞余裕时间(TTC：Time To Collision)。从车辆状态信息220取得车辆1的车速。从目标物信息250获得到目标物5为止的距离。在所算出的碰撞余裕时间低于第1阈值的情况下，处理器110以第1减速度执行减速控制，使车辆1减速、停止。第1减速度典型地为预定值。
1－6.风险规避控制
处理器110(控制装置100)执行对车辆1的驾驶进行辅助的驾驶辅助控制。驾驶辅助控制包括风险规避控制。风险规避控制是用于事先降低(规避)车辆1与前方的目标物5的碰撞风险的车辆行驶控制，包括转向控制和减速控制中的至少一方。处理器110基于上述的驾驶环境信息200，执行风险规避控制。
以下，对本实施方式涉及的风险规避控制进行更详细的说明。
2.风险规避控制的基本处理
图4是表示本实施方式涉及的与风险规避控制关联的基本处理的流程图。图4所示的处理流程按每一定周期而被反复执行。
2－1.步骤S100
在步骤S100中，处理器110执行上述的信息取得处理。即，处理器110基于传感器组20的检测结果，取得驾驶环境信息200。驾驶环境信息200被保存于存储装置120。
2－2.步骤S200
在步骤S200中，处理器110基于目标物信息250，判定在车辆1的前方是否存在目标物5。换言之，处理器110判定在车辆1前方的区域中是否识别到目标物5。典型地，目标物5为移动物体。目标物5包括车辆1前方的行人、自行车、二轮车以及其他车辆中的至少一个。在识别到车辆1前方的目标物5的情况下(步骤S200；是)，处理进入步骤S300。在除此之外的情况下(步骤S200；否)，处理返回到步骤S100。
2－3.步骤S300(风险算出处理)
在步骤S300中，处理器110估计与目标物5的碰撞风险。根据本实施方式，与目标物5的碰撞风险由以下说明的“风险场RF”表示。也即是，在步骤S300中，处理器110设定(算出)与目标物5有关的风险场RF。该处理在以下被称为“风险算出处理”。
图5是用于对本实施方式涉及的风险算出处理进行说明的概念图。车辆坐标系(X，Y)是固定于车辆1的相对坐标系，与车辆1的移动一起变化。X方向为车辆1的前方向(行进方向)。Y方向为车辆1的横向。X方向与Y方向相互正交。在以下的说明中，纵向距离意味着X方向上的距离，横向距离意味着Y方向上的距离。
首先，处理器110在车辆1的前方设定风险判定区域AR。风险判定区域AR被设定为至少将车辆1与目标物5之间的区域覆盖。风险判定区域AR的横向宽度例如被设定为与车行道2的横向宽度一致。从目标物信息250得到目标物5相对于车辆1的相对位置。从道路构成信息240或者地图信息270得到车行道2的位置。
处理器110在风险判定区域AR中设定多个假想的车辆位置PVi。下标i取1～2以上的整数的值。各车辆位置PVi通过使用由目标物信息250表示的目标物5的位置，被变换为车辆1与目标物5之间的假想的相对位置。假想的设想位置由车辆1与目标物5之间的纵向距离DLONi和横向距离DLATi表示。进一步，处理器110按各车辆位置PVi设定多个假想的速度Vj。下标j取1～2以上的整数的值。假想的相对位置[DLATi，DLONi]和假想的速度Vj的组合在以下中被称为“车辆状态参数SVij”。
另外，处理器110设定表示目标物5的移动状态的“目标物状态参数ST”。目标物状态参数ST包括目标物5的设想移动方向EDT和设想移动速度EVT。
并且，处理器110以定量的方式估计由车辆状态参数SVij定义的车辆1和由目标物状态参数ST定义的目标物5的碰撞风险。根据本实施方式，车辆1与目标物5的碰撞风险由“风险值Rij”这一定量性的数值来表示。
更详细而言，处理器110判定由车辆状态参数SVij定义的车辆1是否会与由目标物状态参数ST定义的目标物5发生碰撞，算出车辆1与目标物5的推定碰撞速度Uij。判定为不发生碰撞的情况下的推定碰撞速度Uij为0。在是否发生碰撞的判定中，也可以考虑上述的紧急制动控制的工作。与目标物5有关的风险值Rij由推定碰撞速度Uij的函数表示。例如，风险值Rij是推定碰撞速度Uij本身。作为其他例子，风险值Rij也可以是推定碰撞速度Uij的平方。无论如何，风险值Rij由基于推定碰撞速度Uij的定量性的数值来赋予。随着推定碰撞速度Uij变高，风险值Rij增加。
这样，与目标物5有关的风险值Rij由车辆状态参数SVij和目标物状态参数ST的函数表示。处理器110在风险判定区域AR中设定多个模式的车辆状态参数SVij。并且，处理器110关于多个模式的车辆状态参数SVij分别算出风险值Rij。其结果，得到对于多个模式的车辆状态参数SVij的风险值Rij的分布。那样的对于多个模式的车辆状态参数SVij的风险值Rij的分布为风险场RF。
图6表示风险场RF的一个例子。风险场RF表示由纵向距离DLON、横向距离DLAT以及速度V定义的三维空间中的风险值Rij的分布。三维空间中的位置相当于车辆状态参数SVij。对于三维空间中的大量位置算出了风险值Rij。特别是，图6中的黑点表示车辆1与目标物5发生碰撞的情况，各黑点具有比0大的风险值Rij。
图7是表示以上说明过的基本的风险算出处理(步骤S300)的流程图。
在步骤S331中，处理器110设定目标物状态参数ST。此外，通过根据状况以可变的方式设定目标物状态参数ST，能够进一步提高风险算出处理的精度。关于高精度的风险算出处理，将在后面进行详细的说明。
在步骤S332中，处理器110设定车辆状态参数SVij。具体而言，处理器110一个一个地选择多个模式的车辆状态参数SVij。
在步骤S333中，处理器110判定由车辆状态参数SVij定义的车辆1是否会与由目标物状态参数ST定义的目标物5发生碰撞。在该步骤S333中，假定为车辆1以速度Vj持续进行等速运动。处理器110基于车辆状态参数SVij和目标物状态参数ST，判定是否发生车辆1与目标物5的碰撞。在发生车辆1与目标物5的碰撞的情况下(步骤333；是)，处理进入步骤S334。另一方面，在不发生车辆1与目标物5的碰撞的情况下(步骤333；否)，处理进入步骤S336。
在步骤S334中，处理器110假定为上述的紧急制动控制进行工作，判定车辆1是否会与目标物5碰撞。紧急制动控制的控制延迟(从目标物检测到制动器工作为止的延迟时间)以及基于紧急制动控制的第1减速度是依赖于紧急制动控制的性能的预定参数。表示该预定参数的制动器性能信息(未图示)被预先保存于存储装置120。处理器110基于车辆状态参数SVij、目标物状态参数ST以及制动器性能信息，判定是否会发生车辆1与目标物5的碰撞。在发生车辆1与目标物5的碰撞的情况下(步骤334；是)，处理进入步骤S335。另一方面，在不发生车辆1与目标物5的碰撞的情况下(步骤334；否)，处理进入步骤S336。
在步骤S335中，处理器110基于步骤S334的结果，算出车辆1与目标物5的推定碰撞速度Uij。并且，处理器110基于推定碰撞速度Uij，算出风险值Rij。随着推定碰撞速度Uij变高，风险值Rij增加。例如，风险值Rij是推定碰撞速度Uij本身。作为其他例子，风险值Rij也可以是推定碰撞速度Uij的平方。然后，处理进入步骤S337。
在步骤S336中，由于推定碰撞速度Uij为零，因此处理器110将风险值Rij设定为零。然后，处理进入步骤S337。
在步骤S337中，处理器110判定对于全部模式的车辆状态参数SVij的风险值Rij的算出是否已完成。在尚未算出对于任一模式的车辆状态参数SVij的风险值Rij的情况下(步骤S337；否)，处理返回到步骤S332。反复进行步骤S332～S337，直到对于全部模式的车辆状态参数SVij的风险值Rij的算出完成。其结果，得到风险场RF(参照图6)，该风险场RF表示对于全部模式的车辆状态参数SVij的风险值Rij的分布。
这样，处理器110执行风险算出处理，设定(算出)风险场RF。表示所算出的风险场RF的风险信息300被保存于存储装置120(参照图2)。然后，处理进入接下来的步骤S400。
2－4.步骤S400
在步骤S400中，处理器110判定风险规避控制的工作条件是否成立。
例如，风险规避控制的工作条件包括“不执行风险规避控制的情况下的车辆1的轨迹具有风险值Rij为工作阈值Rth以上的点”。
图1中的轨迹TR0表示不执行风险规避控制的情况下的车辆1的轨迹。例如，车辆1被假定为以当前车速与车行道2(第1车道L1)平行地行驶。从车辆状态信息220获得车辆1的当前车速。从道路构成信息240或者地图信息270获得车行道2(第1车道L1)的位置。因此，处理器110能够基于驾驶环境信息200来推定轨迹TR0。并且，处理器110基于轨迹TR0和由风险信息300表示的风险场RF，判定上述的工作条件是否成立。
风险规避控制的工作条件也可以还包括“到目标物5为止的余裕时间T低于第2阈值Tth”。余裕时间T是指车辆1从当前位置行驶到最接近目标物5的位置所需要的时间。典型地，车辆1最接近目标物5的定时为车辆1在目标物5的侧方通过的定时。从车辆状态信息220获得车辆1的当前车速。从目标物信息250获得目标物5相对于车辆1的相对位置。处理器110能够基于轨迹TR0、车辆1的当前车速以及目标物5的相对位置，算出余裕时间T。并且，处理器110通过对余裕时间T和第2阈值Tth进行对比，判定工作条件是否成立。此外，第2阈值Tth比与上述的紧急制动控制有关的第1阈值大。
风险规避控制的工作条件也可以还包括车辆1的车速为一定速度以上。
在风险规避控制的工作条件成立的情况下(步骤S400；是)，处理进入步骤S500。另一方面，在风险规避控制的工作条件不成立的情况下(步骤S400；否)，处理进入步骤S600。
2－5.步骤S500
在步骤S500中，处理器110执行风险规避控制，也即是使风险规避控制进行工作。风险规避控制是用于降低与目标物5的碰撞风险的车辆行驶控制，包括转向控制和减速控制中的至少一方。在本实施方式中，处理器110基于由风险信息300表示的风险场RF，执行风险规避控制以降低与目标物5的碰撞风险。
例如，处理器110基于风险场RF，生成车辆1的目标轨迹TRt。目标轨迹TRt包括车行道2内的车辆1的目标位置和目标速度。处理器110参照风险场RF，设定目标轨迹TRt，以使得目标轨迹TRt上的风险值Rij成为小于工作阈值Rth。例如，处理器110设定目标轨迹TRt以使得车辆1向远离目标物5的方向移动(参照图1中的轨迹TR1)。从车辆位置信息210获得车辆1的当前位置。从车辆状态信息220获得车速。从道路构成信息240或者地图信息270获得车行道2的位置。因此，处理器110能够基于驾驶环境信息200和风险信息300(风险场RF)，生成目标轨迹TRt。
处理器110也可以与风险场RF一起也考虑车辆行为的平滑度来生成目标轨迹TRt。在该情况下，处理器110通过使用包括风险成分和车辆行为成分的评价函数，设定兼顾安全性和车辆行为的平滑度的目标轨迹TRt。关于也考虑了车辆行为的平滑度的目标轨迹TRt的详细，请参照上述专利文献1(日本特开2017－206117号公报)。
处理器110执行转向控制和减速控制中的至少一方以使得车辆1跟随目标轨迹TRt。转向控制和减速控制基于驾驶环境信息200来执行。具体而言，处理器110算出为了使车辆1跟随目标轨迹TRt所需要的目标转向角、目标减速度。处理器110按照目标转向角来控制转向装置31。另外，处理器110按照目标减速度来控制制动装置33。
2－6.步骤S600
在步骤S600中，处理器110不执行风险规避控制。也即是，处理器110不使风险规避控制进行工作。在风险规避控制已在执行的情况下，处理器110使风险规避控制停止。
3.高精度的风险算出处理(步骤S300)
为了适当地执行风险规避控制，需要适当地估计与目标物5的碰撞风险的大小(即风险值Rij和风险场RF)。这是因为：在碰撞风险被过大地估计了的情况下，风险规避控制会过剩地或者不必要地进行工作。
根据上述专利文献1(日本特开2017－206117号公报)所公开的技术，假定为存在于障碍物的死角的假想的移动体与车行道2垂直地以预定速度进行移动而进入到车行道2。这意味着目标物状态参数ST(设想移动方向EDT、设想移动速度EVT)与状况无关而是相同的。然而，实际的目标物5不一定限于与车行道2垂直地进行移动且进入到车行道2。专利文献1中的假定对于实际的目标物5可以说过于悲观。当那样的假定也被应用于实际的目标物5时，碰撞风险会被过大地进行估计，风险规避控制过剩地或者不必要地进行工作的可能性变高。对于风险规避控制的过剩工作、不必要工作，车辆1的乘员(典型地为驾驶员)可能会感到违和感。
于是，本实施方式提供为了对风险规避控制的过剩工作或者不必要工作进行抑制而更高精度地估计碰撞风险的技术。图8是表示本实施方式涉及的高精度的风险算出处理(步骤S300)的流程图。
3－1.步骤S310
在步骤S310中，处理器110设定目标物状态参数ST。在本实施方式中，为了考虑目标物5的各种各样的移动状态，目标物状态参数ST(设想移动方向EDT、设想移动速度EVT)不被固定为一种。取而代之，处理器110设定多个模式的目标物状态参数STk。下标k取1～2以上的整数的值。
图9是表示多个模式的目标物状态参数STk的一个例子的概念图。在图9所示的例子中，设定有8个模式的目标物状态参数STk(k＝1～8)。更详细而言，设定有8个模式的设想移动方向EDTk(k＝1～8)。设想移动速度EVT被设定为由目标物信息250表示的目标物5的当前的移动速度。8个模式的设想移动方向EDTk以目标物5为中心而分布在周向上。优选8个模式的设想移动方向EDTk在周向上均匀地分布。换言之，优选8个模式的设想移动方向EDTk以45度的间隔分布在整周上。由此，能够用有限的计算资源，充分地考虑目标物5的各种各样的移动方向。
图10是表示多个模式的目标物状态参数STk的其他例子的概念图。在图10所示的例子中，目标物状态参数STk是多个模式的设想移动方向EDTm和多个模式的设想移动速度EVTn的组合。下标m取1～2以上的整数的值。下标n取1～2以上的整数的值。例如，如图10所示，通过8个模式的设想移动方向EDTm(m＝1～8)和3个模式的设想移动速度EVTn(n＝1～3)的组合，得到24个模式的目标物状态参数STk(k＝1～24)。8个模式的设想移动方向EDTm与上述的图9的情况是同样的。3个模式的设想移动速度EVT1～EVT3分别被设定为目标物5的当前移动速度的0.5倍、1.0倍、1.5倍。由此，能够用有限的计算资源，充分地考虑目标物5的各种各样的移动状态。
各个目标物状态参数STk相当于表现目标物5的移动的目标物矢量。目标物矢量的前端的位置为目标物5的移动目的地候选。设定目标物状态参数STk与设定表示目标物5的移动的目标物矢量、以及设定目标物5的移动目的地候选是等价的。设定多个模式的目标物状态参数STk与设定多个模式的目标物矢量以及设定多个模式的移动目的地候选是等价的。
3－2.步骤S320(概率设定处理)
在步骤S320中，处理器110执行设定各个目标物状态参数STk的概率Pk的“概率设定处理”。设定各个目标物状态参数STk的概率Pk与设定目标物5向各个移动目的地候选移动的概率Pk是等价的。此外，多个模式的目标物状态参数STk各自的概率Pk的合计为1.0。
目标物5并不是随机地移动，而是与过去的移动具有某种程度的连续性地进行移动。至少目标物5的最近的移动方向和移动速度成为对将来的移动方向和移动速度进行推定的线索。因此，处理器110至少基于目标物信息250，设定各个目标物状态参数STk的概率Pk。以下，对该概率设定处理的各种各样的例子进行说明。
3－2－1.第1例
图11是表示概率设定处理的第1例的概念图。时刻t表示当前时刻。时刻t－3～t－1表示过去的时刻。时刻t+1表示将来时刻。目标物状态参数STk相当于当前时刻t与将来时刻t+1之间的目标物5的移动状态(设想移动方向EDT、设想移动速度EVT)。
目标物5例如为行人。该目标物5在过去的一定期间与车辆1的行进方向(X方向)平行地移动。那样的目标物5维持移动方向不变的概率高。因此，最靠近目标物5的移动方向的目标物状态参数ST1的概率P1被设定为最高。
若对第1例进行一般化，则为如下那样。目标物状态参数STk的设想移动方向EDT越接近由目标物信息250表示的目标物5的移动方向，则该目标物状态参数STk的概率Pk被设定为越高。相反地，随着目标物状态参数STk的设想移动方向EDT远离由目标物信息250表示的目标物5的移动方向，该目标物状态参数STk的概率Pk被设定得低。通过这样考虑由目标物信息250表示的目标物5的移动方向，能够高精度地设定目标物状态参数STk的概率Pk。
3－2－2.第2例
图12是表示概率设定处理的第2例的概念图。适当省略与第1例重复的说明。目标物5在过去的一定期间以等速度进行移动。那样的目标物5维持移动速度不变的概率高。因此，最接近目标物5的移动速度的目标物状态参数ST12的概率P12被设定为最高。
若对第2例进行一般化，则为如下那样。目标物状态参数STk的设想移动速度EVT越接近由目标物信息250表示的目标物5的移动速度，则该目标物状态参数STk的概率Pk被设定为越高。相反地，随着目标物状态参数STk的设想移动速度EVT远离由目标物信息250表示的目标物5的移动速度，目标物状态参数STk的概率Pk被设定得低。通过这样考虑由目标物信息250表示的目标物5的移动速度，能够精度良好地设定目标物状态参数STk的概率Pk。
3－2－3.第3例
图13是表示概率设定处理的第3例的概念图。适当省略与第1例重复的说明。在图13所示的例子中，目标物5为自行车。自行车的直行性比行人强。自行车突然以直角拐弯的可能性极低。因此，接近由目标物信息250表示的目标物5的移动方向的目标物状态参数STk的概率Pk相比于目标物5为行人的情况(参照图11)而被设定为更高。
若对第3例进行一般化，则为如下那样。目标物信息250表示目标物5的种类(行人、自行车、二轮车、其他车辆等)。处理器110基于目标物5的种类，设定各个目标物状态参数STk的概率Pk。通过这样也将目标物5的种类纳入考虑，概率设定处理的精度进一步提高。
3－2－4.第4例
图14是表示概率设定处理的第4例的概念图。适当省略与第1例重复的说明。在移动方向上存在电线杆、招牌这样的障碍物6的情况下，目标物5躲避该障碍物6而前进的可能性高。因此，如躲避障碍物6而前进那样的目标物状态参数ST2的概率P2被设定得高。另一方面，如与障碍物6碰撞那样的目标物状态参数ST1的概率P1被设定为零。
在图15所示的例子中，障碍物6为墙壁状的构造物。目标物5不向那样的障碍物6一方进行移动。因此，如向障碍物6一方进行移动那样的目标物状态参数ST6～ST8的概率P6～P8被设定为零。
若对第4例进行一般化，则为如下那样。障碍物信息260表示目标物5无法通过的障碍物6的位置。处理器110基于障碍物信息260，将在设想移动方向EDT上存在障碍物6的目标物状态参数STk的概率Pk设定为零。并且，处理器110基于目标物信息250，设定其他的目标物状态参数STk的概率Pk。通过这样将障碍物6也纳入考虑，概率设定处理的精度进一步提高。
3－2－5.第5例
只要不矛盾，也可以对上述的第1例～第4例中的多个进行组合。
3－2－6.概率设定信息
如以上说明过的那样，处理器110根据“状况S”以动态的方式设定目标物状态参数STk的概率Pk。状况S至少包括从目标物信息250得到的目标物5的移动方向和移动速度。状况S也可以包括目标物5过去的移动历史记录。状况S也可以还包括目标物5周围的状况(例如：是否存在障碍物6)。
目标物状态参数STk的概率Pk由状况S的函数表示(Pk＝f(S))。例如，函数f通过机器学习(包括深度学习)来预先生成。具体而言，通过对许多实际环境中的目标物5的移动进行学习，预先生成函数f。作为其他例子，函数f也可以由卡尔曼滤波器实现。作为又一其他例子，函数f也可以以手动的方式进行设定。
图16所示的概率设定信息320表示为了设定概率Pk所使用的函数f。该概率设定信息320被预先生成，并被保存于存储装置120。从驾驶环境信息200(目标物信息250、障碍物信息260等)获得状况S。处理器110基于驾驶环境信息200和概率设定信息320，设定与状况S相应的概率Pk。
3－3.步骤S330
在步骤S330中，处理器110使用各个目标物状态参数STk，算出风险值Rij。使用各个目标物状态参数STk算出的风险值Rij在以下被称为“部分风险值RPijk”。部分风险值RPijk的算出方法与上述的小节2－3中说明过的风险值Rij的算出方法是同样的(参照图7)。在步骤S331中，使用各个目标物状态参数STk。部分风险值RPijk也可以说是车辆状态参数SVij和目标物状态参数STk的函数。
3－4.步骤S340
通过以上说明过的步骤S310～S330，按各目标物状态参数STk得到概率Pk和部分风险值RPijk。在步骤S340中，处理器110通过对对于全部模式的目标物状态参数STk的部分风险值RPijk进行整合，算出最终的风险值Rij。更详细而言，如由下述式(1)表示那样，对于全部模式的目标物状态参数STk的概率Pk与部分风险值RPijk之积的总和被作为最终的风险值Rij来算出。
Figure BDA0002963823630000221
风险场RF表示由式(1)提供的风险值Rij的分布。表示所算出的风险场RF的风险信息300被保存于存储装置120(参照图16)。由该风险信息300表示的风险场RF被应用于与风险规避控制关联的处理(步骤S400、S500)。
4.效果以及议论
如以上说明过的那样，根据本实施方式，与存在于车辆1前方的目标物5的碰撞风险由风险场RF表示。更详细而言，风险场RF表示对于多个模式的车辆状态参数SVij的风险值Rij的分布。车辆状态参数SVij包括车辆1与目标物5之间的假想的相对位置[DLATi，DLONi]以及车辆1的假想的速度Vj。目标物状态参数ST包括目标物5的设想移动方向EDT和设想移动速度EVT。风险值Rij通过由车辆状态参数SVij定义的车辆1和由目标物状态参数ST定义的目标物5的推定碰撞速度Uij的函数表示。
这样，在风险场RF(风险值Rij)的设定中，车辆状态参数SVij和目标物状态参数ST被综合地进行评价。风险值Rij是基于推定碰撞速度Uij的定量性的数值。换言之，风险值Rij不是感性的，而是具有物理性的含义。因此，风险场RF(风险值Rij)可以说是高精度地表示与目标物5的碰撞风险。
进一步，根据本实施方式，在风险场RF的设定中，考虑多个模式的目标物状态参数STk。具体而言，设定多个模式的目标物状态参数STk各自的概率Pk。目标物5并不是随机地移动，而是与过去的移动具有某种程度的连续性地移动。至少目标物5的最近的移动方向和移动速度成为对将来的移动方向和移动速度进行推定的线索。因此，能够基于表示目标物5的移动方向和移动速度的目标物信息250，设定各个目标物状态参数STk的概率Pk。另外，使用了各个目标物状态参数STk的情况下的风险值Rij被作为部分风险值RPijk来算出。并且，对于全部模式的目标物状态参数STk的概率Pk和部分风险值RPijk之积的总和被作为最终的风险值Rij来使用。
这样，在风险场RF的设定中，目标物状态参数ST不被固定为一种，而考虑多个模式的目标物状态参数STk。也即是，多个模式的目标物状态参数STk被反映于风险场RF。因此，表示与目标物5的碰撞风险的风险场RF的精度进一步提高。
这样得到的高精度的风险场RF被应用于用于降低与目标物5的碰撞风险的风险规避控制。由于风险场RF高精度地表示与目标物5的碰撞风险，因此，风险规避控制的过剩工作或者不必要工作得到抑制。例如，通过基于高精度的风险场RF来执行风险规避控制，能够抑制风险规避控制的过剩工作。另外，通过基于高精度的风险场RF来判定风险规避控制的工作条件是否成立，能够对风险规避控制的不必要工作进行抑制。其结果，对于风险规避控制的过剩工作、不必要工作的违和感得到减轻。
如上述那样，在风险场RF的算出中，车辆状态参数SVij和目标物状态参数ST被综合地进行评价。因此，能够容易地将多个模式的目标物状态参数STk组入到风险场RF。另外，风险值Rij是定量性的数值，因此，能够容易地进行风险值Rij的分解以及综合。本实施方式涉及的方法可以说与风险场RF的亲和性高。
另外，风险值Rij是定量性的数值，因此，也能够使对于多个目标物5的多个风险场RF叠加。作为一个例子，如图17所示，考虑在车辆1的前方存在不同的两个目标物5－1、5－2的情况。处理器110关于目标物5－1、5－2各自分别算出风险场RF－1、RF－2。并且，处理器110通过使风险场RF－1、RF－2叠加，取得最终的一个风险场RF。例如，风险场RF－1、RF－2各自的风险值Rij被相加。或者，选择风险场RF－1、RF－2中的最大的风险值Rij。通过使对于多个目标物5的风险场RF叠加，能够更准确地掌握碰撞风险，能够更适当地进行风险规避控制。
另外，根据本实施方式，基于风险场RF来生成车辆1的目标轨迹TRt。由于在风险场RF已经反映了多个模式的目标物状态参数STk，因此，在生成目标轨迹TRt时不需要个别地考虑多个模式的目标物状态参数STk。这有助于减轻目标轨迹TRt的算出所需要的计算负荷。
作为比较例，考虑不使用风险场RF而生成目标轨迹TRt的情况。例如，对多个模式的目标物状态参数STk分别进行考虑，生成多个种类的目标轨迹TRtk。进一步，使用评价函数，算出多个种类的目标轨迹TRtk各自的评价值。并且，基于评价值，从多个种类的目标轨迹TRtk中选择一个最佳的目标轨迹TRt。然而，在该比较例的情况下，计算负荷增大。特别是，在如图17所示那样存在多个目标物5的状况下，与各个目标物5有关的目标物状态参数STk的组合成为庞大的数量。另外，多个目标物5的加权的基准也变得复杂。在存在多个目标物5的情况下，通过比较例涉及的方法生成目标轨迹TRt是不现实的。
另一方面，根据本实施方式，多个模式的目标物状态参数STk被反映于一个风险场RF。即使是在存在多个目标物5的情况下，对于多个目标物5的多个风险场RF也被综合为一个风险场RF。并且，基于一个风险场RF，目标轨迹TRt仅被算出一次。因此，计算负荷减轻。目标物5的数量越增加，计算负荷的减轻效果更显著。

Claims (10)

1.一种驾驶辅助系统，对车辆的驾驶进行辅助，具备：
存储装置，其保存驾驶环境信息，所述驾驶环境信息表示所述车辆的驾驶环境；和
处理器，其基于所述驾驶环境信息，执行风险规避控制，所述风险规避控制包括用于降低与存在于所述车辆前方的目标物的碰撞风险的转向控制和减速控制中的至少一方，
车辆状态参数包括所述车辆与所述目标物之间的假想的相对位置和所述车辆的假想的速度，
目标物状态参数包括所述目标物的设想移动方向和设想移动速度，
与所述目标物有关的风险值通过由所述车辆状态参数定义的所述车辆和由所述目标物状态参数定义的所述目标物的推定碰撞速度的函数来表示，
风险场表示对于多个模式的所述车辆状态参数的所述风险值的分布，
所述驾驶环境信息包括目标物信息，所述目标物信息表示所述目标物的位置、移动方向以及移动速度，
所述处理器，
设定多个模式的所述目标物状态参数，
基于所述目标物信息，设定所述多个模式的目标物状态参数各自的概率，
算出使用了所述多个模式的目标物状态参数的各个所述目标物状态参数的情况下的所述风险值来作为部分风险值，
使用作为对于所述多个模式的目标物状态参数的所述概率与所述部分风险值之积的总和的所述风险值，设定所述风险场，
基于所述风险场，判定是否执行所述风险规避控制、或者所述风险规避控制的工作条件是否成立。
2.根据权利要求1所述的驾驶辅助系统，
所述处理器以使多个模式的所述设想移动方向以所述目标物作为中心而在周向上分布的方式设定所述多个模式的目标物状态参数。
3.根据权利要求2所述的驾驶辅助系统，
所述处理器以使所述多个模式的设想移动方向在所述周向上均匀地分布的方式设定所述多个模式的目标物状态参数。
4.根据权利要求2或者3所述的驾驶辅助系统，
所述目标物状态参数的所述设想移动方向越接近由所述目标物信息表示的所述目标物的所述移动方向，则所述处理器将所述目标物状态参数的所述概率设定为越高。
5.根据权利要求2或者3所述的驾驶辅助系统，
所述驾驶环境信息还包括障碍物信息，所述障碍物信息表示所述目标物无法通过的障碍物的位置，
所述处理器基于所述障碍物信息，将在所述设想移动方向上存在所述障碍物的所述目标物状态参数的所述概率设定为零。
6.根据权利要求1～5中任一项所述的驾驶辅助系统，
所述处理器以使所述设想移动速度包括多个模式的方式设定所述多个模式的目标物状态参数。
7.根据权利要求6所述的驾驶辅助系统，
所述目标物状态参数的所述设想移动速度越接近由所述目标物信息表示的所述目标物的所述移动速度，则所述处理器将所述目标物状态参数的所述概率设定为越高。
8.根据权利要求1～7中任一项所述的驾驶辅助系统，
所述目标物信息还表示所述目标物的种类，
所述处理器基于所述目标物的所述种类，算出所述概率。
9.根据权利要求1～8中任一项所述的驾驶辅助系统，
在所述目标物为多个的情况下，所述处理器关于所述多个目标物分别算出多个风险场，通过使所述多个风险场叠加来取得所述风险场。
10.根据权利要求1～9中任一项所述的驾驶辅助系统，
所述处理器进一步在相对于所述目标物的碰撞余裕时间低于第1阈值的情况下，执行以第1减速度使所述车辆进行减速的紧急制动控制，
所述处理器考虑所述紧急制动控制的工作来算出所述推定碰撞速度，基于所述推定碰撞速度来算出所述风险值。
CN202110245154.7A 2020-03-10 2021-03-05 驾驶辅助系统 Pending CN113370975A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-041046 2020-03-10
JP2020041046A JP2021142788A (ja) 2020-03-10 2020-03-10 運転支援システム

Publications (1)

Publication Number Publication Date
CN113370975A true CN113370975A (zh) 2021-09-10

Family

ID=77569760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110245154.7A Pending CN113370975A (zh) 2020-03-10 2021-03-05 驾驶辅助系统

Country Status (3)

Country Link
US (1) US11767010B2 (zh)
JP (1) JP2021142788A (zh)
CN (1) CN113370975A (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020160748A1 (en) * 2019-02-04 2020-08-13 Nokia Technologies Oy Improving operation of wireless communication networks for detecting vulnerable road users
IT201900012414A1 (it) * 2019-07-19 2021-01-19 Ubiquicom S R L Sistema e metodo anticollisione di veicoli terrestri
JP7473370B2 (ja) * 2020-03-18 2024-04-23 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム
CN113650617B (zh) * 2021-09-22 2023-11-17 中国第一汽车股份有限公司 一种防追尾碰撞的方法、装置、电子设备和存储介质
CN116194972A (zh) * 2021-09-28 2023-05-30 株式会社斯巴鲁 驾驶辅助装置及记录有计算机程序的记录介质
CN116534052B (zh) * 2023-05-10 2023-12-05 上海保隆汽车科技股份有限公司 行驶场景感知数据处理方法、装置、控制器及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007099237A (ja) * 2005-10-07 2007-04-19 Fuji Heavy Ind Ltd 車両用運転支援装置
JP2008003762A (ja) * 2006-06-21 2008-01-10 Honda Motor Co Ltd 障害物認識判定装置
JP2008171207A (ja) * 2007-01-11 2008-07-24 Fuji Heavy Ind Ltd 車両の運転支援装置
JP2011257984A (ja) * 2010-06-09 2011-12-22 Toyota Central R&D Labs Inc 対象物検出装置及びプログラム
CN104210489A (zh) * 2014-09-16 2014-12-17 武汉理工大学 车路协同环境下车辆与行人碰撞规避方法与系统
US20170162050A1 (en) * 2015-12-03 2017-06-08 Institute For Information Industry System and method for collision avoidance for vehicle
JP2017182730A (ja) * 2016-03-31 2017-10-05 富士通株式会社 衝突リスク算出プログラム、衝突リスク算出方法および衝突リスク算出装置
JP2017206117A (ja) * 2016-05-18 2017-11-24 トヨタ自動車株式会社 運転支援装置
CN109515433A (zh) * 2017-09-19 2019-03-26 丰田自动车株式会社 车辆控制系统
JP2019066915A (ja) * 2017-09-28 2019-04-25 トヨタ自動車株式会社 車両制御装置
CN110121449A (zh) * 2017-01-11 2019-08-13 本田技研工业株式会社 车辆控制装置、车辆控制方法及车辆控制程序

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4743275B2 (ja) * 2006-03-01 2011-08-10 トヨタ自動車株式会社 自車進路決定方法および自車進路決定装置
JP4807385B2 (ja) 2008-08-25 2011-11-02 トヨタ自動車株式会社 干渉評価方法、装置、およびプログラム
JP4935795B2 (ja) 2008-10-22 2012-05-23 株式会社豊田中央研究所 歩行者飛び出し予測装置及びプログラム
DE102008062916A1 (de) * 2008-12-23 2010-06-24 Continental Safety Engineering International Gmbh Verfahren zur Ermittlung einer Kollisionswahrscheinlichkeit eines Fahrzeuges mit einem Lebewesen
CN107180220B (zh) * 2016-03-11 2023-10-31 松下电器（美国）知识产权公司 危险预测方法
JP2018140749A (ja) 2017-02-28 2018-09-13 トヨタ自動車株式会社 運転支援装置
US10671076B1 (en) * 2017-03-01 2020-06-02 Zoox, Inc. Trajectory prediction of third-party objects using temporal logic and tree search
DE102018216110A1 (de) * 2018-09-21 2020-03-26 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Bereitstellen eines Umfeldabbildes eines Umfeldes einer mobilen Einrichtung und Kraftfahrzeug mit einer solchen Vorrichtung
KR102223346B1 (ko) * 2018-09-28 2021-03-04 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 보행자 확률 예측 시스템
US11215997B2 (en) * 2018-11-30 2022-01-04 Zoox, Inc. Probabilistic risk assessment for trajectory evaluation
US11648939B2 (en) * 2019-11-13 2023-05-16 Zoox, Inc. Collision monitoring using system data
JPWO2021149447A1 (zh) * 2020-01-20 2021-07-29

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007099237A (ja) * 2005-10-07 2007-04-19 Fuji Heavy Ind Ltd 車両用運転支援装置
JP2008003762A (ja) * 2006-06-21 2008-01-10 Honda Motor Co Ltd 障害物認識判定装置
JP2008171207A (ja) * 2007-01-11 2008-07-24 Fuji Heavy Ind Ltd 車両の運転支援装置
JP2011257984A (ja) * 2010-06-09 2011-12-22 Toyota Central R&D Labs Inc 対象物検出装置及びプログラム
CN104210489A (zh) * 2014-09-16 2014-12-17 武汉理工大学 车路协同环境下车辆与行人碰撞规避方法与系统
US20170162050A1 (en) * 2015-12-03 2017-06-08 Institute For Information Industry System and method for collision avoidance for vehicle
JP2017182730A (ja) * 2016-03-31 2017-10-05 富士通株式会社 衝突リスク算出プログラム、衝突リスク算出方法および衝突リスク算出装置
JP2017206117A (ja) * 2016-05-18 2017-11-24 トヨタ自動車株式会社 運転支援装置
CN110121449A (zh) * 2017-01-11 2019-08-13 本田技研工业株式会社 车辆控制装置、车辆控制方法及车辆控制程序
CN109515433A (zh) * 2017-09-19 2019-03-26 丰田自动车株式会社 车辆控制系统
JP2019066915A (ja) * 2017-09-28 2019-04-25 トヨタ自動車株式会社 車両制御装置

Also Published As

Publication number Publication date
JP2021142788A (ja) 2021-09-24
US11767010B2 (en) 2023-09-26
US20210284141A1 (en) 2021-09-16

Similar Documents

Publication Publication Date Title
CN113370975A (zh) 驾驶辅助系统
JP6481520B2 (ja) 車両の衝突回避支援装置
CN112389466B (zh) 车辆自动避让方法、装置、设备及存储介质
EP2759897B1 (en) Method and arrangement for determining a trajectory
US11719549B2 (en) Vehicle control apparatus
WO2021124794A1 (ja) 車両制御装置、および、車両制御システム
US11780433B2 (en) Systems and methods for selectively modifying collision alert thresholds
JP5577126B2 (ja) 走行支援装置
CN113498391B (zh) 汽车用运算装置
US11807228B2 (en) Driving support system that executes a risk avoidance control for reducing a risk of collision with an object in front of a vehicle
KR20190045308A (ko) 차량 판정 방법, 주행 경로 보정 방법, 차량 판정 장치, 및 주행 경로 보정 장치
Matsumi et al. Autonomous braking control system for pedestrian collision avoidance by using potential field
CN113412212A (zh) 其它车辆动作预测方法以及其它车辆动作预测装置
US20220161787A1 (en) Driving support system
EP3626570B1 (en) Driving assistance method and driving assistance apparatus
US20220161849A1 (en) Vehicle control device, vehicle control method, and non-transitory computer-readable recording medium recording program
US20230150485A1 (en) Vehicle path adjustment
US20230242107A1 (en) Vehicle control device and vehicle control system
US20220410905A1 (en) Method and System for Recognizing an Object Which Is Turning Off
JP6314744B2 (ja) 移動物体進路予測装置
JP7196448B2 (ja) 衝突時制御装置
US20240149871A1 (en) Method for avoiding obstacles
US11430334B2 (en) Systems and methods for adaptable rear-end collision alerts
US11975758B2 (en) Driving support system
Hwang et al. Development of a path planning system using mean shift algorithm for driver assistance

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