CN113525358B - 车辆控制装置以及车辆控制方法 - Google Patents

车辆控制装置以及车辆控制方法 Download PDF

Info

Publication number
CN113525358B
CN113525358B CN202110323097.XA CN202110323097A CN113525358B CN 113525358 B CN113525358 B CN 113525358B CN 202110323097 A CN202110323097 A CN 202110323097A CN 113525358 B CN113525358 B CN 113525358B
Authority
CN
China
Prior art keywords
vehicle
collision rate
detection
distance
collision
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
CN202110323097.XA
Other languages
English (en)
Other versions
CN113525358A (zh
Inventor
村桥善光
吉田贵裕
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.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
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 Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN113525358A publication Critical patent/CN113525358A/zh
Application granted granted Critical
Publication of CN113525358B publication Critical patent/CN113525358B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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
    • 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
    • B60W30/095—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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)
  • Regulating Braking Force (AREA)

Abstract

本发明以提供能够同时实现安全率和舒适性的车辆控制装置以及车辆控制方法为课题。车辆控制装置(100)具有生成本车辆(1)的自动驾驶的行动方案的行动方案生成部(200)、和输出与对象物的探测相关的探测信息的距离检测部(探测设备(DD)、车辆传感器(60)及自动驾驶控制部(120))，行动方案生成部(200)具有当距离检测部探测到障碍物时决定在位置和速度的二维空间内表示碰撞率的分布的二维图、即碰撞率图的碰撞率图设定部250，该碰撞率表示本车辆(1)与所述障碍物之间的碰撞可能性，行动方案生成部(200)基于所述碰撞率图、规定的目标碰撞率、和本车辆(1)的现在的位置和速度来生成现在的行动方案。

Description

车辆控制装置以及车辆控制方法
技术领域
本发明涉及车辆控制装置以及车辆控制方法。
背景技术
专利文献1中记载了具有目标速度计算部和速度控制部的车辆速度控制装置，该目标速度计算部基于位置误差概率分布、和根据从变速开始地点到目标地点的距离预先登记有不会对驾驶者带来违和感的加速度或加速度的斜度的数据，以使车辆的速度变化成为连续曲线的方式针对每个地点计算到达目标地点的目标速度值，该速度控制部探测车辆的速度，以使其成为目标速度值的方式控制驱动扭矩来控制车辆的速度。
专利文献2中记载了一种碰撞减轻装置，其具有：检测存在于本车辆周边的物体的物体检测机构；在每个离散时间判断物体检测机构检测到的物体与本车辆之间的碰撞可能性的碰撞可能性判断机构；和基于碰撞可能性判断机构判断出的碰撞可能性进行使碰撞的影响降低的控制的碰撞影响降低机构。
现有技术文献
专利文献
专利文献1：日本专利4796400号公报
专利文献2：日本专利4967840号公报
发明内容
专利文献1的技术根据位置误差概率分布来控制车辆的速度。另外，专利文献2的技术判断与本车辆间的碰撞可能性。这些技术都是根据位置误差概率分布或碰撞可能性来进行车辆的速度控制，没有与自动驾驶的行动方案建立关联。因此，在使用传感器来决定行动方案的情况下存在如下课题：辨认距离不足，在将传感器的信赖度保持得高的状态下没有增长辨认距离。另外还存在无法使安全水准的明确化、传感器的信赖度(精度、探测率)、和其行动方案的精度定量化的课题。
本发明是鉴于这种情况做出的，以提供能够同时实现安全率和舒适性的车辆控制装置以及车辆控制方法为课题。
为了解决上述课题，本发明的车辆控制装置控制车辆，其特征在于，具有：生成所述车辆的自动驾驶的行动方案的行动方案生成部；基于所述行动方案至少控制所述车辆的速度的车辆举动控制部；和探测对象物并输出与所述对象物的探测相关的探测信息的距离检测部，所述行动方案生成部设定自动驾驶中的所述车辆的最大减速度，所述行动方案生成部具有当所述距离检测部探测到障碍物时决定在位置和速度的二维空间内表示碰撞率的分布的二维图、即碰撞率图的碰撞率图设定部，该碰撞率表示所述车辆与所述障碍物之间的碰撞可能性，所述碰撞率图是以基于规定的目标碰撞率、所述最大减速度、以及所述探测信息的组合而设定的目标停止位置为前提制作的，所述行动方案生成部基于所述碰撞率图、所述规定的目标碰撞率、所述车辆的现在的位置和速度来生成现在的行动方案。
发明效果
根据本发明，能够提供可同时实现安全率和舒适性的车辆控制装置以及车辆控制方法
附图说明
图1是表示具有本发明实施方式的车辆控制装置的车辆的整体构成的图。
图2是以上述实施方式的车辆控制装置为中心的功能构成图。
图3是上述实施方式的车辆控制装置HMI的构成图。
图4是上述实施方式的车辆控制装置的行动方案生成部的框图。
图5是表示上述实施方式的车辆控制装置的进行减速直至目标停止位置的情况下的目标速度值曲线的图，(a)是表示以0.6G进行减速的情况下的目标速度值曲线的图，(b)是表示存在障碍物的状态下传感器检测到障碍物的检测率p(D|E)的图，(c)是表示不存在障碍物的状态下传感器检测到障碍物的误检测率的图，(d)是表示自动驾驶的情况下的行动方案的减速图形的例子的图。
图6是说明图5的目标速度值曲线的决定中的、基于传感器的信赖度得到的行动方案的图，表示图5的行动方案的决定中、设为直到信赖度低的区域都使用传感器的检测值的过度探测侧的设定的情况的图。
图7是说明图5的目标速度值曲线的决定中的、基于传感器的信赖度得到的行动方案的图，表示图5的行动方案的决定中、设为在信赖度高的区域使用传感器的检测值的设定的情况的图。
图8是说明想要解决图6以及图7中的不良情况的方向性的图。
图9是说明上述实施方式的车辆控制装置的进行减速直至前方行驶车位置(目标停止位置)来防止碰撞的碰撞率的说明图，(a)表示进行减速直至前方行驶车位置来防止碰撞的碰撞率图的图，(b)是由色阶表现来表示(a)的碰撞率p(C|St)的图，(c)是表示(a)的速度0时的碰撞率的峰值的示意图。
图10A是表示设定如下的碰撞率并基于导入了该碰撞率的行动方案得到的目标速度值曲线的图，该碰撞率是上述实施方式的车辆控制装置使车辆减速直到前方行驶车位置(目标停止位置)来防止碰撞的情况下的碰撞率。
图10B是表示车辆的探测设备检测到对象物时的、由探测到对象物的传感器构成和探测时间而定的fusion精度信赖度的图。
图10C是表示上述实施方式的车辆的探测设备检测到对象物时、通过基于由探测到对象物的传感器构成和探测时间而定的fusion精度信赖度得到的概率分布和指示值达成概率密度分布求出的指示值的偏差量的变化的图。
图11是上述实施方式的车辆控制装置的行动方案的指示值确定流程。
图12是表示上述实施方式的车辆控制装置的基于fusion精度信赖度得到的概率分布的宽度和偏差量的关系的图。
图13是上述实施方式的车辆控制装置的车辆控制的流程图。
图14是表示上述实施方式的车辆控制装置的碰撞率图的图，(a)是表示进行减速直至前方行驶车位置来防止碰撞的情况下的碰撞率图的图，(b)是以色阶表现而将(a)所表现的碰撞率作为观测中的信赖率来表示的图，(c)是表示(a)的碰撞率图中速度0时的碰撞率的峰值的示意图。
图15是说明上述实施方式的车辆控制装置的行动方案与碰撞风险的关系的图。
图16是表示上述实施方式的车辆控制装置的传感器的误差分布的图。
图17是说明上述实施方式的车辆控制装置的行动方案和传感器对碰撞风险造成的影响的图，(a)是表示最大制动为－0.6G且传感器的误差标准偏差为σ1的情况下的碰撞率图的图，(b)是表示将(a)的碰撞率图的行动方案设定变更后的情况下的目标碰撞率的图，(c)是表示(a)的碰撞率图的传感器性能下降后的情况下的目标碰撞率的图。
图18是说明上述实施方式的车辆控制装置的多个传感器的信赖度(检测率)利用方法的图，(a)是表示以AND检测多个传感器的情况下的例子的图，(b)是表示以OR检测多个传感器的情况下的例子的图，(c)是表示进行与多个传感器的检测状态相应的制动的情况下的例子的图。
图19是说明上述实施方式的车辆控制装置的由算法α得到的碰撞率·不安率的变化的状态过渡图。
图20是表示由图19所示的行动引起的状态过渡的概率的具体例的图。
图21是说明上述实施方式的车辆控制装置的针对行动的状态过渡过程的图。
图22是说明图21的针对行动的状态过渡过程中的检测率的变化的图，(a)是表示在图21的状态过渡过程中从最初状态不使速度下降地转移的例子的图，(b)是表示在图21的状态过渡过程中从最初状态使速度稍微下降而转移的例子的图，(c)是表示在图21的状态过渡过程中从最初状态使速度下降而转移的例子的图。
图23是说明图21的针对行动的状态过渡过程与算法之间的关系的图。
图24是说明上述实施方式的车辆控制装置的基于算法α进行的碰撞率的连续性处理的图。
图25是表示上述实施方式的车辆控制装置的行动方案的概要的示意图。
图26是通过由探测到障碍物及未探测到障碍物、和存在障碍物及不存在障碍物构成的矩阵来表示图25的行动方案以及未检测到障碍物时执行的巡航动作的结果的示意图。
图27是说明上述实施方式的车辆控制装置的利用两个传感器的冗余的行动方案中的AND探测的示意图。
图28是说明上述实施方式的车辆控制装置的利用两个传感器的冗余的行动方案中的OR探测的示意图。
图29是说明上述实施方式的车辆控制装置的利用两个传感器的冗余的行动方案中的HALF AND探测的示意图。
图30是上述实施方式的车辆控制装置的碰撞发生事态的状态过渡图。
图31是说明上述实施方式的车辆控制装置的碰撞率的求取方法的图，(a)是表示基于导入碰撞率后的行动方案得到的目标速度值曲线的图，(b)是表示速度为0的碰撞率的图，(c)是表示距离检测部的误差分布的图，(d)是表示距离检测部的检测率的图。
图32是表示图31中的、碰撞发生过程的状态过渡图。
图33是表示将上述实施方式的车辆控制装置的碰撞率图在位置以及速度的二维空间内表现的网格的图。
图34是说明上述实施方式的车辆控制装置的碰撞率图的网格的端部处付与条件的图。
图35是说明从上述实施方式的车辆控制装置的碰撞率图的网格的端部按顺序求出碰撞率的图。
图36是说明从上述实施方式的车辆控制装置的下个状态以近似的方式求出碰撞率的方法的图。
图37是说明从上述实施方式的车辆控制装置的下个状态以近似的方式求出碰撞率的方法的图。
图38是说明从上述实施方式的车辆控制装置的下个状态以近似的方式求出碰撞率的方法的图。
附图标记说明
1 车辆
20 探测器
30 雷达(传感器)(距离检测部)
40 摄像头(传感器)(距离检测部)
50 导航装置
55 通信装置
60 车辆传感器(传感器)(距离检测部)
70 HMI
100 车辆控制装置
110 目标车道决定部
120 自动驾驶控制部(距离检测部)
130 自动驾驶模式控制部
140 辨认部
141 本车位置辨认部
142 外界辨认部
143 人探测部
144 AI加速器
145 线路生成部
150 切换控制部
160 行驶控制部(车辆举动控制部)
170 HMI控制部
180 存储部
200 行动方案生成部
210 目标碰撞率设定部
220 指示值达成概率密度分布推定部
230 指示值偏差量计算部(偏差量计算部)
240 fusion精度信赖度计算部
250 碰撞率图设定部
300 行驶驱动力输出装置
310 转向装置
320 制动装置
1000 碰撞率图
1001 指示值达成概率密度分布
1002 指示值的偏差量
1003 基于fusion精度信赖度得到的概率分布
1010 碰撞率图存储部
DD 探测设备(传感器)(距离检测部)
具体实施方式
以下，参照附图来详细说明本发明的实施方式。
(实施方式)
图1是表示具有本发明实施方式的车辆控制装置100的车辆的整体构成的图。本实施方式的车辆控制装置100所搭载的车辆(以下称为本车辆1)1例如包括二轮、三轮、四轮等的汽车、以柴油发动机或汽油发动机等内燃机为动力源的汽车、以电动机为动力源的电动汽车、兼具内燃机以及电动机的混合动力车等。电动汽车例如使用由二次电池、氢燃料电池、金属燃料电池、酒精燃料电池等电池放电的电力而被驱动。
《本车辆1》
如图1所示，在本车辆1搭载有探测器20、雷达30以及摄像头40等传感器(距离检测部)、导航装置50、和车辆控制装置100。
探测器20例如是测定对于照射光的散射光来测定离对象的距离的LIDAR(LightDetection and Ranging或Laser Imaging Detectionand Ranging)。例如，探测器20在前方的沿左右离开的位置各设一个共设有两个，在后方设有三个(前方和后方共计五个)。
雷达30例如在前方设有三个，在后方设有两个(前方和后方共计五个)。雷达30例如通过FM－CW(Frequency Modulated Continuous Wave)方式来检测物体。
摄像头40例如是利用CCD(Charge Coupled Device)或CMOS(ComplementaryMetal Oxide Semiconductor)等单体拍摄元件的数码摄像头。摄像头40安装在前挡风玻璃上部和/或室内后视镜的背面等。摄像头40例如周期性地重复拍摄本车辆1的前方。本例中，并排有两个单目摄像头。摄像头40也可以是双目摄像头。
此外，图1所示的构成仅是一例，构成的一部分可以被省略，也可以追加其他构成。
《车辆控制装置100》
图2是以本实施方式的车辆控制装置100为中心的功能构成图。
如图2所示，在本车辆1搭载有包括探测器(Finder)20、雷达30以及摄像头40等的探测设备DD(传感器)(距离检测部)、导航装置50、通信装置55、车辆传感器60(传感器)(距离检测部)、HMI(Human Machine Interface)70、车辆控制装置100、行驶驱动力输出装置300、转向装置310、和制动装置320。这些装置和设备通过CAN(Controller Area Network)通信线等多重通信线和串口通信线、无线通信网等彼此连接。此外，技术方案中的车辆控制装置不仅仅指“车辆控制装置100”，也可以包括车辆控制装置100以外的构成(探测设备DD和HMI70等)。
＜导航装置50＞
导航装置50具有GNSS(Global Navigation Satellite System)接收器、地图信息(导航地图)、作为用户接口发挥作用的触摸面板式显示装置、扬声器、麦克风等。导航装置50通过GNSS接收器来确定本车辆1的位置，导出从该位置至由用户指定的目的地为止的路径。由导航装置50导出的路径被提供给车辆控制装置100的目标车道决定部110(后述)。本车辆1的位置也可以由对车辆传感器60的输出进行利用的INS(Inertial NavigationSystem)来确定或补充。另外，当车辆控制装置100执行手动驾驶模式时，导航装置50通过语音和导航显示来引导到达目的地的路径。
此外，用于确定本车辆1的位置的构成可以与导航装置50独立设置。另外，导航装置50例如可以通过用户持有的智能电话和平板终端等终端装置的功能而实现。该情况下，在终端装置与车辆控制装置100之间通过基于无线或有线的通信来进行信息的收发。
＜通信装置55＞
通信装置55进行例如利用了蜂窝网和Wi－Fi网、Bluetooth(注册商标)、DSRC(Dedicated Short Range Communication)等的无线通信。通信装置55例如与VICS(注册商标)(Vehicle Information and Communication System)等监视道路的交通状况的系统的信息提供用服务器进行无线通信，获取表示本车辆1正行驶的道路和预定预定的道路的交通状况的信息(以下称为交通信息)。在交通信息内包含前方的拥堵信息、拥堵地点的所需时间、事故·故障车·施工信息、速度限制·车道限制信息、停车场的位置、停车场·服务区·停车区的停满·空位信息等信息。另外，通信装置55也可以与设在道路侧方等的无线信标进行通信、或与在本车辆1周围行驶的其他车辆进行车车间通信，由此获取上述交通信息。通信装置55是获取拥堵信息的“通信部”的一例。
＜车辆传感器60＞
车辆传感器60包括检测车速的车速传感器、检测加速度的加速度传感器、检测绕垂直轴的角速度的陀螺仪传感器、检测本车辆1朝向的方位传感器等。此外，车辆传感器60在本说明书的行动方案的设计方法·计算式中有时被称为“传感器”。
＜HMI70＞
图3是HMI70的构成图。
如图3所示，HMI70具有驾驶操作系统的构成和非驾驶操作系统的构成。这些构成的边界并不明确，驾驶操作系统的构成也可以具有非驾驶操作系统的功能(或与该情况相反)。上述的导航装置50以及HMI70是“输出部”的一例。
HMI70作为驾驶操作系统的构成而包括加速踏板71、加速器开度传感器72以及加速踏板反力输出装置73、制动踏板74以及制动踏量传感器(或主压传感器等)75、换挡杆76以及挡位传感器77、方向盘78、转向操舵角传感器79以及转向扭矩传感器80、和其他驾驶操作设备81。
加速踏板71是用于受理由车辆乘员发出的加速指示(或由返回操作发出的减速指示)的操作部件。加速器开度传感器72检测加速踏板71的踏入量，将表示踏入量的加速器开度信号向车辆控制装置100输出。
此外，也可以代替向车辆控制装置100输出，而向行驶驱动力输出装置300、转向装置310或制动装置320直接输出。以下说明的其他的驾驶操作系统的构成也是同样。加速踏板反力输出装置73例如根据来自车辆控制装置100的指示而对加速踏板71输出与操作方向为相反朝向的力(操作反力)。
制动踏板74是用于受理由车辆乘员发出的减速指示的操作部件。制动踏量传感器75检测制动踏板74的踏入量(或踏入力)，将表示检测结果的制动信号向车辆控制装置100输出。
换挡杆76是用于受理由车辆乘员发出的变速挡的变更指示的操作部件。挡位传感器77检测由车辆乘员指示的变速挡，将表示检测结果的挡位信号向车辆控制装置100输出。
方向盘78是用于受理由车辆乘员发出的转弯指示的操作部件。转向操舵角传感器79检测方向盘78的操作角，将表示检测结果的转向操舵角信号向车辆控制装置100输出。转向扭矩传感器80检测向方向盘78施加的扭矩，将表示检测结果的转向扭矩信号向车辆控制装置100输出。
其他的驾驶操作设备81例如是操纵杆、按钮、刻度盘开关、GUI(Graphical UserInterface)开关等。其他的驾驶操作设备81受理加速指示、减速指示、转弯指示等，向车辆控制装置100输出。
HMI70作为非驾驶操作系统的构成而例如包括显示装置82、扬声器83、接触操作检测装置84以及内容播放装置85、各种操作开关86、座椅88以及座椅驱动装置89、车窗玻璃90以及车窗驱动装置91。
显示装置82例如安装在仪表盘的各部分、与副驾驶席和后部座席相对的任意部位等，是LCD(Liquid Crystal Display)或有机EL(Electroluminescence)显示装置等。另外，显示装置82也可以是在前挡风玻璃和其他车窗上投影图像的HUD(Head Up Display)。扬声器83输出语音。接触操作检测装置84在显示装置82为触摸面板的情况下，检测显示装置82的显示画面中的接触位置(触摸位置)，并向车辆控制装置100输出。此外，在显示装置82不是触摸面板的情况下，可以省略接触操作检测装置84。
内容播放装置85例如包括DVD(Digital Versatile Disc)播放装置、CD(CompactDisc)播放装置、电视接收器、各种导引图像的生成装置等。显示装置82、扬声器83、接触操作检测装置84以及内容播放装置85可以是一部或全部与导航装置50共通的构成。
各种操作开关86配置在车室内的任意部位。各种操作开关86中包括对自动驾驶的开始(或将来的开始)以及停止进行指示的自动驾驶切换开关87。自动驾驶切换开关87可以是GUI(Graphical User Interface)开关、机械式开关的任何一种。另外，各种操作开关86也可以包括用于驱动座椅驱动装置89和车窗驱动装置91的开关。
座椅88是供车辆乘员落座的座椅。座椅驱动装置89自由驱动座椅88的后倾角、前后方向位置、偏转角等。车窗玻璃90例如设在各车门。车窗驱动装置91对车窗玻璃90进行开闭驱动。
车室内摄像头95是利用CCD或CMOS等固体拍摄元件的数码摄像头。车室内摄像头95安装在后视镜和转向柱部、仪表盘等的能够对进行驾驶操作的车辆乘员的至少头部进行拍摄的位置。车室内摄像头95例如周期性地重复拍摄车辆乘员。
返回图2，车辆控制装置100例如通过一个以上的处理器或具有同等功能的硬件而实现。车辆控制装置100可以为使CPU(Central Processing Unit)等处理器、存储装置以及通信接口通过内部总线连接的ECU(Electronic Control Unit)或MPU(Micro－ProcessingUnit)等组合的构成。
车辆控制装置100具有目标车道决定部110、自动驾驶控制部120(距离检测部)、自动驾驶模式控制部130、辨认部140、切换控制部150、行驶控制部160(车辆举动控制部)、HMI控制部170和存储部180。
目标车道决定部110、自动驾驶控制部120的各部分、以及行驶控制部160中的一部分或全部通过处理器执行程序(软件)而实现。另外，它们中的一部分或全部可以通过LSI(Large Scale Integration)和ASIC(Application Specific Integrated Circuit)等硬件实现，也可以通过软件和硬件的组合而实现。
以下在将主体记为“○○部”的情况下，自动驾驶控制部120根据需要从ROMEEPROM(Electrically Erasable Programmable Read-Only Memory)读取各程序，然后下载至RAM，执行各功能(后述)。各程序可以预先存储于存储部180，也可以借助其他的存储介质或通信介质，当需要时取入至车辆控制装置100。
＜目标车道决定部110＞
目标车道决定部110例如由MPU(Micro Processing Unit)实现。目标车道决定部110将从导航装置50提供的路径分割为多个区块(例如在车辆行进方向上按每100米进行分割)，参照高精度地图信息181在每个区块内决定目标车道。目标车道决定部110例如决定在从左数第几个车道内行驶。目标车道决定部110例如在路径中存在有分叉部位和汇流部位等的情况下，以能够使本车辆1行驶于为了向分叉目标行进的合理行驶路径内的方式决定目标车道。由目标车道决定部110决定的目标车道作为目标车道信息182而被存储至存储部180。
＜自动驾驶控制部120(距离检测部)＞
自动驾驶控制部120具有自动驾驶模式控制部130、辨认部140和切换控制部150。
＜自动驾驶模式控制部130＞
自动驾驶模式控制部130基于车辆乘员对HMI70的操作、由行动方案生成部200决定的事件、由线路生成部145决定的行驶样态等来决定自动驾驶模式。自动驾驶模式向HMI控制部170通知。另外，也可以对自动驾驶模式设定与本车辆1的探测设备DD(传感器)的性能等相应的界限。
在任何的自动驾驶模式中都能够通过对HMI70中的驾驶操作系统的构成的操作而切换至手动驾驶模式(超控；override(使自动控制暂时失效，改用手动控制))。例如在由本车辆1的车辆乘员对HMI70的驾驶操作系统的操作持续了规定时间以上的情况下、或为规定的操作变化量(例如加速踏板71(后述)的加速器开度、制动踏板74(后述)的制动踏量、方向盘78(后述)的转向操舵角)以上的情况下、或对驾驶操作系统的操作执行了规定次数以上的情况下，开始超控。
＜辨认部140＞
辨认部140具有本车位置辨认部141、外界辨认部142、人探测部143(探测部)、AI(Artificial Intelligence：人工智能)加速器(Accelerator)144(探测部)、行动方案生成部200和线路生成部145。
＜本车位置辨认部141＞
本车位置辨认部141基于存储部180内储存的高精度地图信息181、和从探测器20、雷达30(传感器)、摄像头40(传感器)、导航装置50或车辆传感器60(传感器)输入的信息来辨认本车辆1正行驶的车道(行驶车道)以及本车辆1对于行驶车道的相对位置。
本车位置辨认部141通过对从高精度地图信息181辨认出的道路区画线的图案(例如实线和虚线的排列)、和从由摄像头40拍摄到的图像辨认出的本车辆1的周边的道路区画线的图案进行比较，由此辨认行驶车道。在该辨认中，可以加入从导航装置50获取的本车辆1的位置和由INS获得的处理结果。
＜外界辨认部142＞
返回图2，外界辨认部142基于从探测器20、雷达30、摄像头40等输入的信息来辨认周边车辆的位置、以及速度、加速度等状态。周边车辆例如指在本车辆1周边行驶的车辆，是在与本车辆1相同的方向上行驶的车辆。周边车辆的位置可以由其他车辆的重心和边角部等的代表点来表现，也可以用由其他车辆的轮廓表现的区域来表示。周边车辆的“状态”可以包含基于上述各种设备的信息掌握的、周边车辆的加速度、是否正在进行车道变更(或是否想要进行车道变更)的内容。另外，外界辨认部142也可以在周边车辆的基础上，还辨认护栏和电线杆、停车车辆、行人等其他物体的位置。
＜人探测部143＞
人探测部143根据由摄像头40拍摄到的图像来检测人。具体地，人探测部143使用AI加速器144来检测特定区域的特定对象物(人、自行车等)。人探测部143对AI加速器144发出人检测要求，AI加速器144在CPU以外执行AI的计算，将人检测结果向人探测部143发送。对人检测要求高速性，因此在人检测中使用AI加速器144。但是，可以由不使用AI加速器144的样态构成。
此外，为了便于说明，人探测部143与摄像头40和外界辨认部142独立地记载，但只要能够探测特定对象物即可，也可以为，从由摄像头40拍摄到的图像提取人等的图像处理部、或在外界辨认部142的内部处理中从图像的轮廓辨认及探测人等。该情况下，人探测部143从图2的辨认部140被去除。
另外，如后述那样，也能够使用从通信装置55得到的VICS信息来进一步提高人探测部143探测到的人的辨认概率。
＜AI加速器144＞
AI加速器144是检测人的专用处理器，使用CPU以外的计算资源。AI加速器144例如是由强化了GPU(Graphics Processing Unit)的处理器执行的图像处理、使用FPGA(FieldProgrammable Gate Array)的信号处理的加速器。另外，AI加速器144在专用硬件(例如GPU)上执行AI的计算。
＜线路生成部145＞
线路生成部145当执行车道保持事件时，决定定速行驶、跟随行驶、低速跟随行驶、减速行驶、弯道行驶、障碍物避开行驶等之中的某一个行驶样态，基于被决定的行驶样态来生成线路的候补。
另外，线路生成部145相对于所生成的线路的候补，例如用计划性和安全性的两个观点进行评价，选择向行驶控制部160输出的线路。根据计划性的观点，例如在针对已经生成的计划(例如行动方案)的跟随性高且线路的全长短的情况下，线路被评价得高。例如，在希望向右方向进行车道变更的情况下，暂时向左方向进行车道变更并返回的线路成为低评价。根据安全性的观点，例如在各个线路点中，本车辆1与物体(周边车辆等)之间的距离越远、加减速度和操舵角的变化量等越小，被评价得越高。
＜切换控制部150＞
返回图2，切换控制部150基于从自动驾驶切换开关87(参照图3)输入的信号等相互切换自动驾驶模式和手动驾驶模式。另外，切换控制部150基于HMI70中的对于驾驶操作系统的构成做出的指示加速、减速或转向的操作而从自动驾驶模式切换至手动驾驶模式。例如，切换控制部150在HMI70中的从驾驶操作系统的构成输入的信号所示的操作量超过阈值的状态持续基准时间以上的情况下，从自动驾驶模式切换至手动驾驶模式(超控)。
另外，也可以为，切换控制部150在基于超控而切换至手动驾驶模式后，在规定时间内没有检测到HMI70中的对于驾驶操作系统的构成做出的操作的情况下，恢复为自动驾驶模式。另外，切换控制部150在例如进行在自动驾驶的结束预定地点从自动驾驶模式向手动驾驶模式转移的交(驾驶)权控制的情况下，为了对车辆乘员事先通知交权请求，而将该意思的信息向HMI控制部170输出。
＜行驶控制部160＞
行驶控制部160以使本车辆1按照预定时刻从由线路生成部145生成的线路通过的方式控制行驶驱动力输出装置300、转向装置310以及制动装置320。
行驶控制部160具有作为基于行动方案而至少控制车辆的速度的车辆举动控制部的功能。
＜HMI控制部170＞
HMI控制部170当被自动驾驶控制部120通知自动驾驶模式的信息后，参照模式类型操作可否信息184(参照后述图6)，根据自动驾驶模式的类型来控制HMI70。
HMI控制部170基于从自动驾驶控制部120获取的模式的信息来参照模式类型操作可否信息184，由此判断允许使用的装置(导航装置50以及HMI70的一部分或全部)和不允许使用的装置。另外，HMI控制部170基于判断结果来控制是否受理从车辆乘员对非驾驶操作系统的HMI70或导航装置50做出的操作。
例如，在车辆控制装置100执行的驾驶模式是手动驾驶模式的情况下，车辆乘员操作HMI70的驾驶操作系统(例如加速踏板71、制动踏板74、换挡杆76以及方向盘78等)(参照图3)。另外，在车辆控制装置100执行的驾驶模式是自动驾驶模式的情况下，车辆乘员产生本车辆1的周边监视义务。
在这种情况下，为了防止因车辆乘员的驾驶以外的行动(例如HMI70的操作等)而导致注意涣散(驾驶员注意力分散)，HMI控制部170以不受理对HMI70的非驾驶操作系统的一部分或全部做出的操作的方式进行控制。此时，HMI控制部170为了进行本车辆1的周边监视，可以使由外界辨认部142辨认的本车辆1的周边车辆的存在和该周边车辆的状态通过图像等显示于显示装置82(参照图3)，并且使HMI70受理与本车辆1的行驶时的场景相应的确认操作。
另外，HMI控制部170在驾驶模式是自动驾驶的情况下，放松驾驶员注意力分散的限制，进行将车辆乘员对未受理操作的非驾驶操作系统做出的操作受理的控制。例如，HMI控制部170在显示装置82显示映像，或使扬声器83(参照图3)输出语音，或使内容播放装置85(参照图3)从DVD等播放内容。此外，内容播放装置85播放的内容中，除了DVD等内储存的内容之外，例如还可以包括关于电视节目等的娱乐、综艺的各种内容。另外，上述图6所示的“内容播放操作”也可以意味着关于这种娱乐、综艺的内容操作。
＜存储部180＞
存储部180内，例如储存有高精度地图信息181、目标车道信息182、行动方案信息183、模式类型操作可否信息184等信息。存储部180通过ROM(Read Only Memory)和RAM(Random Access Memory)、HDD(Hard Disk Drive)、闪存等实现。处理器执行的程序可以预先储存在存储部180，也可以经由车载互联网设备等从外部装置下载。另外，程序也可以通过使储存有该程序的便携型存储介质安装至未图示的驱动装置而向存储部180安装。
高精度地图信息181是与导航装置50具有的导航地图相比精度高的地图信息。高精度地图信息181例如包括车道中央的信息或车道边界的信息等。在上述边界中具有车道标志的类型·颜色·长度·道路宽度·路肩宽度·主线宽度·车道宽度·边界位置·边界类型(护栏·植物·路肩)·斑马线区域等，这些边界包含在高精度地图内。
另外，在高精度地图信息181内可以包含道路信息、交通管制信息、住所信息(住所·邮编)、施设信息，电话号码信息等。在道路信息内包括高速道路、收费道路、国道、省道等的表示道路类型的信息、和道路的车道数、各车道的宽度、道路的坡度、道路的位置(包括经度、维度、高度的三维坐标)、车道的弯道的曲率、车道的汇流以及分叉点的位置、设在道路上的标志等信息。交通管制信息内包括因施工、交通事故、拥堵等导致车道封闭的信息。
《行动方案生成部200》
·基本的行动方案
行动方案生成部200设定自动驾驶的开始地点及/或自动驾驶的目的地。自动驾驶的开始地点可以为本车辆1的现在位置，也可以为指示自动驾驶的操作所指出的地点。行动方案生成部200在该开始地点与自动驾驶的目的地之间的区间内生成行动方案。此外，并不限于此，行动方案生成部200可以针对任意区间生成行动方案。
行动方案例如由按顺序执行的多个事件构成。事件中例如包括：使本车辆1减速的减速事件；使本车辆1加速的加速事件；以不脱离行驶车道的方式使本车辆1行驶的车道保持事件；使行驶车道变更的车道变更事件；使本车辆1超越前方行驶车辆的超车事件；在分叉点以向希望的车道变更或不脱离现在的行驶车道的方式使本车辆1行驶的分叉事件；在用于向主线汇流的汇流车道中使本车辆1加减速并使行驶车道变更的汇流事件；在自动驾驶的开始地点从手动驾驶模式向自动驾驶模式转移或在自动驾驶的结束预定地点从自动驾驶模式向手动驾驶模式转移的交权事件等。
行动方案生成部200在由目标车道决定部110决定的目标车道进行切换的位置处，设定车道变更事件、分叉事件或汇流事件。表示由行动方案生成部200生成的行动方案的信息作为行动方案信息183(后述)而被储存于存储部180。
《行动方案生成部200》
·基于碰撞率决定的车辆的行动方案
图4是行动方案生成部200的框图。
行动方案生成部200基于检测到的距离来求出表示障碍物与车辆之间的碰撞可能性的碰撞率，基于碰撞率来生成车辆的行动方案。行动方案生成部200生成用于车辆的自动驾驶的行动方案。
如图4所示，行动方案生成部200具有：存储碰撞率图1000(参照图14)的碰撞率图存储部1010，该碰撞率图1000是通过位置和速度的二维图而使具有碰撞率的行动方案可视化的图；目标碰撞率设定部210；指示值达成概率密度分布推定部220；指示值偏差量计算部230(偏差量计算部)；fusion精度信赖度推定部240；和碰撞率图设定部250。
行动方案生成部200在碰撞率图1000上的碰撞率比目标碰撞率低且比规定的阈值低的低碰撞率区域内，生成维持自动驾驶的设定速度并容许急制动的行动方案，在碰撞率图1000上的碰撞率比目标碰撞率低且比规定的阈值高的高碰撞率区域内，生成重复短时间的制动来避免急制动的预备制动的行动方案。
＜目标碰撞率设定部210＞
目标碰撞率设定部210设定规定的目标碰撞率。
＜指示值达成概率密度分布推定部220＞
指示值达成概率密度分布推定部220推定指示值达成概率密度分布1001，该指示值达成概率密度分布1001由来自行驶控制部160(车辆举动控制部)的指示值与车辆实际到达的位置之间的差异的大小和确定程度来决定(参照图10A)。
＜指示值偏差量计算部230＞
指示值偏差量计算部230计算表示目标停止位置与障碍物之间的距离的指示值的偏差量1002(参照图10A)。
＜fusion精度信赖度推定部240＞
fusion精度信赖度推定部240计算探测设备DD(尤其距离检测传感器)(距离检测部)的辨认精度的基于fusion精度信赖度得到的概率分布1003(参照图10A)。基于fusion精度信赖度得到的概率分布1003是根据摄像头、雷达等的(距离)检测精度而定的。因此，依存于后述的传感器的冗余和AND探测(参照图27)或OR探测(参照图28)。
＜碰撞率图设定部250＞
碰撞率图设定部250依照后述数式(1)来决定碰撞率图。
《行驶驱动力输出装置300、转向装置310以及制动装置320》
返回图2，车辆控制装置100控制行驶驱动力输出装置300、转向装置310以及制动装置320。
＜行驶驱动力输出装置300＞
行驶驱动力输出装置300向驱动轮输出用于使车辆行驶的行驶驱动力(扭矩)。行驶驱动力输出装置300例如在本车辆1是以内燃机为动力源的汽车的情况下，具有发动机、变速机、以及控制发动机的发动机ECU(Electronic Control Unit)，在本车辆1是以电动机为动力源的电动汽车的情况下，具有行驶用电机以及控制行驶用电机的电机ECU，在本车辆1是混合动力车的情况下，具有发动机、变速机、发动机ECU、行驶用电机、以及电机ECU。
在行驶驱动力输出装置300仅包括发动机的情况下，发动机ECU依照从后述的行驶控制部160输入的信息来调整发动机的节气门开度和变速挡等。在行驶驱动力输出装置300仅包括行驶用电机的情况下，电机ECU依照从行驶控制部160输入的信息来调整提供给行驶用电机的PWM信号的占空比。在行驶驱动力输出装置300包括发动机以及行驶用电机的情况下，发动机ECU以及电机ECU依照从行驶控制部160输入的信息相互协调地控制行驶驱动力。
＜转向装置310＞
转向装置310例如具有转向ECU和电动机。电动机例如对齿轮齿条机构作用力来变更转向轮的朝向。转向ECU依照从车辆控制装置100输入的信息或输入的转向操舵角或转向扭矩的信息来驱动电动机，使转向轮的朝向变更。
＜制动装置320＞
制动装置320例如是具有制动卡钳、向制动卡钳传递液压的液压缸、使液压缸产生液压的电动机和制动控制部的电动伺服制动装置。电动伺服制动装置的制动控制部依照从行驶控制部160输入的信息来控制电动机，使与制动操作相应的制动扭矩向各车轮输出。电动伺服制动装置也可以作为后备而具有将通过制动踏板的操作而产生的液压经由主液压缸向液压缸传递的机构。
此外，制动装置320并不限于上述说明的电动伺服制动装置，也可以为电子控制式液压制动装置。电子控制式液压制动装置依照从行驶控制部160输入的信息来控制执行机构，将主液压缸的液压向液压缸传递。另外，制动装置320也可以包括基于行驶驱动力输出装置300可以包含的行驶用电机执行的再生制动。
＜距离检测部＞
本实施方式中，自动驾驶控制部120与探测设备DD以及车辆传感器60一起构成距离检测部。距离检测部基于从探测设备DD以及车辆传感器60输出的信息而输出探测信息。探测信息包括：探测设备DD以及车辆传感器60中所含的多个传感器中探测到对象物的传感器的组合(传感器构成)；由该传感器的组合开始探测并从此时起连续地持续探测到的时间、即探测时间；和基于探测到对象物的各传感器的输出以及探测时间而决定的探测距离。探测距离是基于在离对象物的距离的真值为已知的状况下由该传感器的组合检测到对象物的、事先执行的测定的结果而在行驶中决定的。
以下，说明上述构成的车辆控制装置100的动作。
(原理说明)
首先，说明现有技术的课题。
图5～图8是说明现有技术的课题的图。
＜课题1＞
在使用传感器来决定行动方案的情况下存在如下课题：辨认距离不足，在将传感器的信赖度保持得高的状态下没有增长辨认距离(课题1)。
图5是表示进行减速直至目标停止位置的情况下的目标速度值曲线的图。图5的(a)是表示以0.6G进行减速的情况下的目标速度值曲线的图，横轴表示车辆位置，纵轴表示速度。图5的(a)的粗实线是以0.6G进行减速的情况下计算出的目标速度值曲线，图5的(a)的粗虚线是从速度130kph开始变速(误差检测开始)并在速度50kph变速后(容许误差结束)的情况下的目标速度值曲线。速度0的车辆位置是目标停止位置。
图5的(b)表示决定图5的(a)的目标速度值的情况下的传感器(例如，车速传感器等车辆传感器、雷达和摄像头等探测设备DD)所持有的检测概率、即检测率p(D|E)，图5的(c)表示决定图5的(a)的目标速度值的情况下的传感器所持有的误检测率在此，E表示存在障碍物的状态，/>表示不存在障碍物的状态。另外，D表示检测到障碍物的事态。/>
如图5的(b)、(c)所示，倾向为：当检测率p(D|E)上升时误检测率降低。
图5的(d)是表示自动驾驶情况下的行动方案的减速图形的例子的图，是将上述检测率以及误检测率考虑在内并由规定算法而决定的。
图6及图7是说明图5的目标速度值曲线的决定中的基于传感器的信赖度得出的行动方案的图。图6是在图5的行动方案的决定中设为直到信赖度低的区域都使用传感器的检测值的过度探测侧的设定的情况的例子。图7是在图5的行动方案的决定中设为在信赖度高的区域内使用传感器的检测值的设定的情况的例子。
图6以及图7的横轴表示车辆位置，D2处于120～160m左右，D1.5处于60～100m左右，D1处于30～50m左右。图6及图7的纵轴表示车辆的目标速度，V1.5处于50～70kph左右，V2处于120～140kph左右。
如图6所示，说明自动驾驶系统的行驶环境条件为ODD(Operational DesignDomain：运行设计域)且能够以速度V2驾驶的情况。在图5的行动方案的决定中，若设为直到信赖度低的区域都使用传感器的检测值的过度探测侧的设定，则探测距离(Gen2←Gen1的距离)长，但如图6的虚线范围a所示，传感器所持的误检测率大，因此误制动增加。这样地若直接使用信赖度低的区域，则因误制动增加而导致商品性降低。
另一方面，若设定为在传感器的检测值的信赖度高的区域内进行制动的规格，则如图7的×标记b所示，探测距离变短，未达到ODD中所容许的V2。这样地，若确定信赖度高的区域来使用，则需要降低巡航速度，无法实现V2的ODD。
以上，存在辨认距离不足、在将传感器的信赖度保持得高的状态下没有增长辨认距离的课题。
图8是说明想要解决图6以及图7中的不良情况的方向性的图。
通过从远处的低信赖度的位置在不影响舒适感的范围内开始减速，而在高信赖度区间内确实停止。如图8的箭头c所示，根据信赖度而将制动逐渐增强。
在行动方案中积极地使用连续性的“信赖度”。即，通过延长停止距离而从信赖度低的区域就开始制动，由此具有能够达到V2的可能性。
本发明为了解决＜课题1＞，提供了信赖度的计算方法、和将行动方案的具体协作方法导出的方法。
＜课题2＞
存在如下课题：无法使安全水准的明确化、传感器的信赖度(精度、探测率)、和其行动方案的精度定量化(课题2)。
本发明为了解决＜课题2＞，提供了能够定量地评价传感器的信赖度(精度、探测率)及其行动方案的公式，使得可称为安全的区域明确。
《基本思考方式》
本发明向行动方案中导入“碰撞率”。也就是说，认为与辨认具有“辨认率”同样地行动方案中也具有“碰撞率”，向行动方案中导入“碰撞率”。
图9是说明进行减速直至前方行驶车位置(目标停止位置)来防止碰撞(collision)的碰撞率的说明图。图9的(a)表示进行减速直至前方行驶车位置来防止碰撞的碰撞率图。图9的(a)中横轴取位置，纵轴取速度。图9的(b)通过色阶表现来表示图9的(a)的碰撞率p(C|St))，图9的(c)表示图9的(a)的速度0时的碰撞率的峰值的意思。
图9的(a)所示的碰撞率p(C|St)是基于传感器的探测率和精度、行动方案算法及行动方案的精度而算出的。图9的(a)的虚线范围d表示只要以该范围内的位置和速度行驶则“不会发生碰撞”。
图9的(b)的虚线范围e表示“不会发生碰撞”的10-7的概率。
如图9的(c)所示，速度0时的碰撞率p(C|St)由传感器的误差标准偏差σ(未图示)决定。若远离6σ，则成为10-7的概率的碰撞率。
本发明综合评估传感器的精度、检测率和行动方案的算法，能够作为鉴别算法优良的材料。
图10A是说明本发明的基本思考方式的图。
《碰撞率等的关联技术》
＜碰撞率的参数＞
图10A表示车辆1减速直至前方行驶车位置(目标停止位置D)想要防止碰撞的情况下的车辆1的目标速度值曲线(粗实线)。图10A的横轴表示车辆位置，纵轴表示速度。车辆1因各种原因而不一定能停止于目标停止位置D，实际中采取由图10A的虚线网格的区域所示的位置和速度。
如图10A的右侧所示，表示车辆1会与前方行驶车碰撞的可能性的碰撞率f由以下三个参数决定。即，参数是指示值达成概率密度分布1001、指示值的偏差量1002、和基于fusion精度信赖度得到的概率分布1003。指示值达成概率密度分布1001及指示值的偏差量1002是与导入碰撞率后的行动方案关联的参数，基于fusion精度信赖度得到的概率分布1003是表示传感器的辨认精度的参数。以下说明各参数的概要。
指示值达成概率密度分布1001是决定碰撞率的三个参数之一。指示值达成概率密度分布1001表示行驶控制部160(车辆举动控制部)的指示值与本车辆1实际到达的位置之间的差异的大小和确定程度。
指示值的偏差量1002是决定碰撞率的三个参数之一。
指示值的偏差量1002是决定相对于前方行驶车应该使目标停止位置向前偏移何种程度的参数。
基于fusion精度信赖度得到的概率分布1003依存于摄像头、雷达、Lidar等传感器的组合、探测时间和探测距离。基于fusion精度信赖度得到的概率分布1003还依存于后述的传感器的冗余、AND检测(参照后述图18的(a)、图27)、OR检测(参照后述图18的(b)、图28)、HALF AND检测(参照后述图18的(c)、图29)等的距离检测模式。
在此，参照图10A、图10B、图10C、图12来详细说明指示值达成概率密度分布1001、fusion精度信赖度、基于fusion精度信赖度得到的概率分布1003、碰撞率f以及指示值的偏差量1002之间的关系。
指示值达成概率密度分布
指示值达成概率密度分布1001表示当对车辆1指示了某一减速度时，车辆1实际停止的位置相对于目标停止位置的分布。图10A所示的指示值达成概率密度分布1001表示当想要使车辆1在位置D停车时的车辆1停止位置的分布。指示值达成概率密度分布1001具有经由在对车辆1指示了某一减速度的情况下测定停止位置的流程而被预先计测出的特性。
行动方案生成部200在行动方案中根据自动驾驶模式等决定容许的最大减速度。将经由上述流程被预先计测出的指示值达成概率密度分布中的以与该最大减速度相同或大概相同的减速度行驶的分布视为随后要执行的行动方案中的指示值达成概率密度分布1001。
fusion精度信赖度
fusion精度信赖度是基于多个传感器中探测到对象物的传感器的组合(传感器构成)、和通过该传感器的组合开始探测并从此时起连续地持续探测到的时间、即探测时间而求出的。通常，探测到对象物的传感器的数量越多或持续探测到的时间越长，fusion精度信赖度越高。fusion精度信赖度因探测到对象物的传感器的组合而导致信赖度不同。
图10B表示对于Camera、Lidar、Radar这3种传感器的组合和其探测时间的fusion精度信赖度的例子。图10B的纵轴以越靠上则信赖度越高的方式配置探测到对象物的传感器的组合，横轴表示通过该传感器连续探测到对象物的时间。
例如，由传感器构成a(Camera)检测且探测时间为D时，fusion精度信赖度为Low(低)，由传感器构成f(Lidar+Camera)探测且探测时间为B时，fusion精度信赖度为Mid(中)，由传感器构成g(Radar+Lidar+Camera)探测且探测时间为D时，fusion精度信赖度为High(高)。fusion精度信赖度可以将按每种传感器构成计测到的各个探测时间的正探测率，基于预先设定的阈值划分为Low、Mid、High的三个等级，也可以将正探测率直接用数值进行处理。
基于fusion精度信赖度得到的概率分布
基于fusion精度信赖度得到的概率分布表示基于多个传感器测定到的探测距离相对于真值成为何种分布。图10C表示fusion精度信赖度、基于fusion精度信赖度得到的概率分布1003的宽度、指示值达成概率密度分布1001、碰撞率f、以及偏差量1002的关系性。
例如，若关注fusion精度信赖度为Mid等的几种情况，则当检测距离相对于真值的离散大时，基于fusion精度信赖度得到的概率分布1003的宽度大，当检测距离相对于真值的离散小时，基于fusion精度信赖度得到的概率分布1003的宽度小。基于fusion精度信赖度得到的概率分布1003及其宽度能够经由对在距离的真值为已知的状况下的探测距离的误差分布会成为什么样进行试验的流程而预先求出。
若关注基于fusion精度信赖度得到的概率分布1003的宽度为“中”的情况，则当fusion精度信赖度为High时，基于fusion精度信赖度得到的概率分布1003的高度变高，当fusion精度信赖度为Low时，基于fusion精度信赖度得到的概率分布1003的高度变低。基于fusion精度信赖度得到的概率分布1003的高度以使该分布的面积与传感器的检测率大致成比例的方式决定。基于fusion精度信赖度得到的概率分布1003的宽度和高度是经由如下流程而预先得到的特性，该流程为，在有无检测对象为明确的状况下对是否检测到检测对象进行试验的求取检测率特性的流程。
指示值的偏差量
表示车辆1会与前方行驶车碰撞的可能性的碰撞率f是通过指示值达成概率密度分布1001和基于fusion精度信赖度得到的概率分布1003之间的相对的位置关系而决定的，指示值的偏差量1002规定该相对的位置关系。
也就是说，指示值的偏差量1002表示指示值达成概率密度分布1001与基于fusion精度信赖度得到的概率分布1003这两个分布的成为顶点的位置之差，通过该差来决定碰撞率f。
换言之，能够以成为设作目标的碰撞率(目标碰撞率)的方式决定指示值的偏差量1002。碰撞率f虽然能够通过使指示值达成概率密度分布1001与基于fusion精度信赖度得到的概率分布1003以指示值的偏差量1002偏移时的卷积而求出，但是能够以使碰撞率与目标碰撞率一致的方式决定指示值的偏差量1002。图10C所示的九个图形表现了相对于某个指示值达成概率密度分布1001付与了fusion精度信赖度和基于fusion精度信赖度得到的概率分布1003时，成为相同碰撞率的偏差量1002会如何变化。此外，目标碰撞率是作为设计而预先决定的固定值，是通过检测物的检测率、与检测物碰撞时的严重程度等而定的值。
图10C中，若关注fusion信赖度为Mid等的几个情况，则当基于Fusion精度信赖度得到的概率分布1003的宽度窄时，指示值的偏差量1002变小，当基于Fusion精度信赖度得到的概率分布1003的宽度大时，指示值的偏差量1002变大。另外，若关注基于fusion精度信赖度得到的概率分布1003的宽度为中的情况，则当fusion精度信赖度为High时，指示值的偏差量1002变大，当fusion精度信赖度为Low时，指示值的偏差量1002变小。
基于fusion精度信赖度得到的概率分布的宽度
基于fusion精度信赖度得到的概率分布1003的宽度会根据传感器构成(传感器的类型和组合)、探测时间、以及离对象物的距离等而变化。通常，当离对象物的距离远时，基于fusion精度信赖度得到的概率分布1003的宽度“大”，当离得近时变“窄”。另外，若在相同的离对象物的距离中进行比较，则例如传感器构成a(Camera)的情况下为“宽”，传感器构成c(Radar)的情况下为“中”，传感器构成d(Radar+Lidar)的情况下为“窄”。另外，通常，探测时间越长，变得越“窄”。
行驶中的基于fusion精度信赖度得到的概率分布的宽度的推定
如上述那样，基于fusion精度信赖度得到的概率分布1003的宽度能够经由对在距离的真值为已知的状况下的探测距离的误差分布会成为什么样进行试验的流程而预先求出。也就是说，能够按照每个传感器构成(传感器的类型和组合)、探测时间、探测距离的组合而求出基于fusion精度信赖度得到的概率分布1003的宽度。并且，能够构建以传感器构成(传感器的类型和组合)、探测时间以及探测距离为输入且以基于fusion精度信赖度得到的概率分布1003的宽度为输出的表格(探测概率分布宽度表)(未图示)并将其储存至车辆控制装置的存储装置(Read Only Memory(ROM)等)。由此，能够在行驶中根据现在的传感器构成、探测时间、探测距离的组合来参照上述探测概率分布宽度表，推定现在的基于fusion精度信赖度得到的概率分布1003的宽度。
关于上述探测概率分布宽度表说明了根据传感器构成、探测时间、探测距离这三个参数来获取基于fusion精度信赖度得到的概率分布1003的宽度的表格，但也可以为，为了减少表格容量，将fusion精度信赖度(High/Mid/Low)和探测距离这两个参数作为输入参数，或将传感器构成和探测时间这两个参照作为输入参数等，以减少向表格的输入信息。另外，为了减少输入信息，除了参数的数量之外，还能够调整各个参数的精度(量子化宽度)。这些选择与精度和费用的得失有关。
行驶中的偏差量计算顺序
图12是说明行驶中当对于离开某个距离的对象物付与了指示值达成概率密度分布1001和目标碰撞率时如何根据传感器构成和探测时间求出偏差量1002的图。
图12中，横轴表示基于fusion精度信赖度得到的概率分布的宽度，纵轴表示偏差量。图12中，相对于被付与的指示值达成概率密度分布1001和目标碰撞率，将根据对于图10B所示的传感器构成和探测时间的组合而实测到的基于fusion精度信赖度得到的概率分布1003所求出的偏差量1002绘制于纵轴，将基于fusion精度信赖度得到的概率分布1003的宽度绘制于横轴。
图12中，将fusion精度信赖度分别为High、Mid、Low的情况下的图画分别由虚线区域High、Mid、Low包围。图12中，例如，将由传感器构成e(Radar+Camera)探测到对象物且探测时间为B的组合由图12中的附图标记e－B表示。对于其他组合的图画也通过同样的附图标记表示。
如图12所示，偏差量相对于基于fusion精度信赖度得到的概率分布1003的宽度而具有如下的线性特性，该线性特性具有因各个fusion精度信赖度而不同的斜率。fusion精度信赖度越高，特性的斜率越大。
因为依存于被指示的减速度而导致指示值达成概率密度分布1001也不同，所以图12所示的特性也因减速度而变化，但表示大概同样的倾向。在此，能够按各个减速度而将各个fusion精度信赖度的上述线形特性的参数(斜率等)存储至表格(偏差量特性参数表)(未图示)，由此在行驶中以简单的计算来计算偏差量。
具体地，根据现在的行动方案中的最大减速度和fusion精度信赖度(High/Mid/Low)而参照偏差量特性参数表，选择图12所示的线形特性中的一个。并且，将参照上述探测概率分布宽度表而得的基于fusion精度信赖度得到的概率分布1003的宽度代入至所选择的线形特性而能够计算偏差量1002。
上述的计算方法中，向图12所示的线形特性中的一个代入另外推定的基于fusion精度信赖度得到的概率分布1003的宽度来计算偏差量1002。也可以与此不同地，作为通常形式，设置以减速度、传感器构成、探测时间、探测距离为输入且以偏差量为输出的表格仅通过参照一次表格来求出偏差量1002。
如通过至此的说明所能理解地那样，能够基于减速度来推定指示值达成概率密度分布1001。另外，能够基于传感器构成、探测时间、探测距离来推定基于fusion精度信赖度得到的概率分布1003。并且，能够根据推定出的指示值达成概率密度分布1001以及基于fusion精度信赖度得到的概率分布1003的宽度来计算付与目标碰撞率的偏差量1002。于是，能够使用Read Only Memory(ROM)等来构建以减速度、传感器构成、探测时间、探测距离为输入且以偏差量1002为输出的偏差量表格(未图示)。
然而，在该构成的情况下，根据向偏差量表格作为输入而付与的减速度、传感器的组合的数量、探测时间的量子化宽度、探测距离的量子化宽度等会导致偏差量表格的容量增减，越提高精度，容量越增加。即，作为偏差量1002的获取方法，是基于图12所示的线形特性来计算还是使用表格参照，与精度、计算时间以及费用的得失有关。
返回图10A，以下说明由车辆控制装置100进行的偏差量1002计算的流程的例子。
如图10A所示，基于fusion精度信赖度得到的概率分布1003以前方行驶车为中心而分布。此时，假设本车辆1为了防止碰撞而想要停车在图10A的附图标记D的位置。此时的指示值达成概率密度分布1001成为以图10A所示的位置D为中心的分布。图10A所示的例子中，指示值达成概率密度分布1001和基于fusion精度信赖度得到的概率分布1003局部重合。如上所述，该重叠的面积表示该停止动作中的碰撞率。另外，该重叠通过改变偏差量1002而变化，因此碰撞率也会变动。
行驶中的本车辆1因为无法知道前方行驶车的实际位置，所以也无法知道基于fusion精度信赖度得到的概率分布1003的中心轴的位置。但是，如上所述，根据多个传感器中探测到对象物的传感器的组合(传感器构成)、与由该传感器的组合开始探测且从此时起连续地持续探测到的时间、即探测时间之间的组合求出fusion精度信赖度，参照预先完成计测的数据，由此能够推定基于fusion精度信赖度得到的概率分布1003的宽度。另外，如上述那样，基于现在设定的最大减速度，参照预先完成计测的数据，由此能够推定本次停止动作中的指示值达成概率密度分布1001。
并且，以本次停止动作中推定的指示值达成概率密度分布1001为前提，如参照图12所说明地那样，将fusion精度信赖度和基于fusion精度信赖度得到的概率分布1003的宽度代入预先完成计测的数据，由此能够决定付与某一目标碰撞率的偏差量1002。
此外，说明了以使通过将指示值达成概率密度分布1001和基于fusion精度信赖度得到的概率分布1003以指示值的偏差量1002偏移时的卷积而求出的碰撞率与目标碰撞率一致的方式决定指示值的偏差量1002。但是，若是如上述那样地将以减速度、传感器构成、探测时间、探测距离为输入且以偏差量为输出的偏差量表格储存至Read Only Memory(ROM)并在行驶时参照该表格的方式，则由于指示值达成概率密度分布1001以及基于fusion精度信赖度得到的概率分布1003的信息已经在该表格内被表现，所以在行驶时不需要进行用于卷积的计算。因此，不需要推定指示值达成概率密度分布1001以及基于fusion精度信赖度得到的概率分布1003，或不需要将其使用在运算中。
在此，说明如上所述地基于现在设定的最大减速度来求出指示值达成概率密度分布1001的理由。若减速度变大则指示值达成概率密度分布1001变宽，设定的偏差量变大。通过假设行动方案中的最大的减速度，能够求出与行动方案相适的安全的偏差量。
以下参照图11来说明上述动作。
＜行动方案的指示值确定流程＞
图11是基于图12所示的特性来决定行动方案的指示值的偏差量的流程。以下说明基于图12所示的特性来决定指示值的偏差量1002的实施方式的例子。指示值的偏差量1002在行动方案生成部200所生成的行动方案中，将设为使车辆1停车的目标的停止位置规定为离距离检测部的探测距离所示的位置的偏差。
STEP1；
目标碰撞率设定部210设定目标碰撞率。目标碰撞率是作为设计而预先决定的规定的固定值，是考虑了检测物的检测率、与检测物碰撞时的严重程度等而决定的值。
STEP2；
fusion精度信赖度推定部240基于现在的传感器构成和探测时间来决定Fusion精度信赖度。如已经参照图10B所说明地那样，Fusion精度信赖度是基于预先针对传感器的组合而计测出的正探测率决定的。fusion精度信赖度是基于多个传感器中探测到对象物的传感器的组合(传感器构成)、通过该传感器的组合开始探测并从此时起连续地持续探测到的时间、即探测时间而求出的。通常，探测到对象物的传感器的数量越多，或探测到对象物的持续时间越长，fusion精度信赖度越高。fusion精度信赖度因探测到对象物的传感器的组合会导致信赖度不同。
STEP3；
指示值达成概率密度分布推定部220以及指示值偏差量计算部230决定指示值表格(概率密度、偏差量)的候补。指示值达成概率密度分布推定部220根据现在设定的最大减速度来决定指示值达成概率密度分布1001的候补。如上所述，经由指示了某一减速度的情况下测定停止位置的事先流程，并基于预先计测得到的特性来决定指示值达成概率密度分布1001的候补。
指示值偏差量计算部230根据由fusion精度信赖度推定部240决定的fusion精度信赖度、和指示值达成概率密度分布1001的候补来决定指示值的偏差量的候补。
该步骤相当于选择图12的虚线区域High、Mid、Low中的某一个。例如在fusion精度信赖度为Mid的情况下，与图12的虚线区域Mid对应的偏差量成为候补。
STEP4；
fusion精度信赖度推定部240推定基于fusion精度信赖度得到的概率分布的宽度。指示值偏差量计算部230基于推定出的基于fusion精度信赖度得到的概率分布1003的宽度而从由STEP3选出的偏差量的候补中选择一个。该步骤对应于如下内容：例如由传感器构成e(Radar+Camera)探测到且探测时间为B时fusion精度信赖度被决定为Mid，将推定出的基于Fusion精度信赖度得到的概率分布1003的宽度代入图12所示的fusion精度信赖度为Mid的情况下的特性，其结果是，选择与图12的附图标记e－B对应的偏差量1002。
如上所述，例如将现在的传感器构成和探测时间输入至将由预先计测得到的概率分布的宽度的数据储存的探测概率分布宽度表(未图示)内而得到表格输出，由此求出基于fusion精度信赖度得到的概率分布1003的宽度。
STEP5；
行动方案生成部200使用由STEP4求出的偏差量1002来进行指示值表格的确定。由此行动方案生成部200决定设为使车辆1停止的目标的位置。
上述的STEP1～STEP4的流程是一例，并不限定于此。例如，能够如上所述地将以减速度、传感器构成、探测时间、探测距离为输入且以偏差量为输出的偏差量表格(未图示)存储于Read Only Memory(ROM)并供行动方案生成部200参照，由此执行由上述STEP3、STEP4进行的偏差量的决定。在该实施方式中，指示值达成概率密度分布1001和基于fusion精度信赖度得到的概率分布1003的宽度反映为上述偏差量表格内储存的数据，不需要在行驶中个别地求出指示值达成概率密度分布1001和基于fusion精度信赖度得到的概率分布1003的宽度。以后说明的实施方式是说明以通过根据减速度、传感器构成、探测时间、探测距离并使用与上述的偏差量表格类似的方法而求出付与目标碰撞率的偏差量为前提而构成的方式。
＜碰撞率＞
碰撞率图所表示的碰撞率p(C|St)依照数式(1)所示的计算模型来计算。随后详细说明该计算的计算过程。
数式(1)
St：在时刻t的状态(位置、速度)
St+1：在时刻t+1的状态(位置、速度)＝下个状态
p(C|St+1)：下个状态(位置、速度)中的碰撞率
存在于状态St时因观测到/>时发生的行动αD而会向下个状态St+1转移的概率
对象物状态为d时观测到/>的概率
＜流程图＞
图13是实施方式的车辆控制装置100的车辆控制的流程图。
本流程通过自动驾驶控制部120(参照图2)以规定周期重复执行。
步骤S11
自动驾驶控制部120(距离检测部)基于探测设备DD(距离检测部)的输出来检测与应避开的障碍物之间的距离。
步骤S12
碰撞率图设定部250基于规定的目标碰撞率、现在行动方案生成部200所设定的最大减速度、距离检测部的探测设备DD的多个传感器中现在检测到对象物的传感器的组合(传感器构成)、由该传感器探测到的探测距离、和由该传感器连续地持续探测到的探测时间来决定碰撞率图。目标碰撞率是作为设计而预先决定的规定的固定值，是考虑了检测物的检测率、与检测物碰撞时的严重程度等而决定的值。
该碰撞率图是上述的以使如下碰撞率与目标碰撞率相等的方式决定的偏差量为前提制作的，该碰撞率是基于从最大减速度推定的指示值达成概率密度分布1001、与根据传感器构成、探测距离和探测时间推定的基于fusion精度信赖度得到的概率分布1003之间的重叠而算出的碰撞率。换言之，碰撞率图是以基于目标碰撞率、最大减速度、传感器构成、探测距离和探测时间以使该位置中的碰撞率为目标碰撞率的方式设定的目标停止位置为前提制作的。
在此求出的碰撞率图相对于与离散的网格点对应的位置和速度而近似地求出碰撞率。离散的网格点分别意味着离散的“状态”。
步骤S13
行动方案生成部200基于碰撞率图上的本车辆1的现在的状态(位置、速度)下的碰撞率和目标碰撞率而策划行动方案。
步骤S14
行驶控制部160基于行动方案至少控制本车辆1的速度并结束本流程的一次处理。
自动驾驶控制部120每经过规定时间就执行步骤S11～S14。
以下说明上述车辆控制中使用的碰撞率图的特征。
＜碰撞率图＞
图14是表示碰撞率图1000的图。图14的(a)表示进行减速直至前方行驶车位置来防止碰撞的情况的碰撞率图1000。图14的(a)在横轴上取位置，在纵轴上取速度。图14的(b)以色阶表现而将图14的(a)所表现的碰撞率作为观测中的信赖率来表示。图14的(c)表示图14的(a)的碰撞率图1000中速度0时的碰撞率的峰值的意思。
图14所示的碰撞率图1000用于说明参照碰撞率图而能够如何制作行动方案，是基于前方行驶车的实际位置已判明的前提制作的理论图。
若决定了传感器的探测率和精度、行动方案的精确度、最终状态的碰撞率，则能够计算分别针对如下状态的碰撞率，该状态由车辆的速度和车辆相对于对象物的位置而构成。基于计算出的碰撞率，制作图14的(a)所示的碰撞率图1000。
图14的(b)所示的碰撞率(0～1)中，例如，将人的碰撞率或比其小的值作为目标碰撞率来使用(参照图14的(b)的附图标记i)。在此，“人的碰撞率”意味着“人(驾驶员)在相同道路环境中驾驶车辆1时发生的碰撞率”。将该碰撞率作为目标碰撞率来设定是基于如下考虑方式：对自动驾驶进行驾驶的情况和人进行驾驶的情况进行比较，为了使自动驾驶进行驾驶的情况更加安全，应该使碰撞率低于人进行驾驶时发生的碰撞率。
在图14的(a)的碰撞率图1000上，将其碰撞率为目标碰撞率的状态(位置、速度)连接，由此能够画出用于以目标碰撞率行驶的目标速度值曲线。图14的(a)所示的碰撞率图的箭头(→)是目标碰撞率。
速度0时的碰撞率与基于fusion精度信赖度得到的概率分布1003对应，具有图14的(c)所示的正态分布。若将该正态分布的标准偏差设为σ，则在离开6σ的位置上，成为10-7概率的碰撞率，认为不会碰撞。
本发明以同时实现安全率和舒适性为目的。为此，在图14的(a)所示的碰撞率图1000的区域内设定妥当的行动方案。
在碰撞率低于比目标碰撞率低的第1阈值的情况下(参照图14的(a)《低碰撞率区域》)，谨慎制动，即尽量维持设定速度。重视舒适性，虽不会不平稳但容许急制动。
在碰撞率低于目标碰撞率且是为所述第1阈值以上的第2阈值以上的情况下(参照图14的(a)《高碰撞率区域》)，频繁制动。重视安全，虽不平稳，但不进行急制动。图14的(a)表示使第2阈值与第1阈值相等的情况的例子。
图14的(a)所示的碰撞率图1000的浓淡表现代表用于以不成为预先设计的碰撞率以上的方式进行控制的指标。另外，控制侧中，当进行自动驾驶控制时，能够以不陷入浓淡较浓的区域内的方式进行控制。
＜行动方案的算法和精确度＞
说明行动方案的算法和精确度。
求取达成行动方案的算法的目的的精确度对应于数式(1)中的将求出的部分。
图15是说明行动方案与碰撞风险的关系的图。对与图10A相同的部分标注同一附图标记。
车辆控制装置100(参照图2)对于车辆1以使其停车在图15的位置D的方式进行控制。但是，因路面状况、车身故障等若干要因，难以实现位置D的停车。以概率密度分布来表示是否能够实现位置D的停车。本实施方式的情况下，指示值达成概率密度分布推定部220(参照图4)推定指示值达成概率密度分布1001。
如图15所示，碰撞风险由指示值达成概率密度分布1001与碰撞区域1200重合的部分(参照图15的附图标记j)表示。在希望更安全的情况下，只要更加缩小该部分(参照图15的附图标记j)即可。作为将其缩小的方法，能够举出使概率密度分布更加接近中央值(将路面状况、车身故障等要因减少)，但这种方法很难，因此方法为，将位置D与碰撞区域1200相比设在近前。
＜传感器的信赖度(检测率，精度)＞
说明传感器的信赖度(检测率、精度)。
求取传感器的信赖度对应于数式(1)中的将求出的部分。
图16是说明传感器的误差分布的图。对与图15相同的部分标注同一附图标记。图16的下部所示的“传感器误差分布”表示传感器检测到对象物的结果中产生的误差的分布。该分布成为以对象物的位置为中心的分布。另外，该分布是上述的基于Fusion精度信赖度得到的概率分布1003。
如图16所示，在制动位置具有余量M，由此能够降低碰撞的概率。
＜行动方案和传感器对碰撞风险造成的影响＞
说明行动方案和传感器对碰撞风险造成的影响。
图17是表示行动方案和传感器会对碰撞风险造成的影响的图。图17的(a)是最大制动为－0.6G且传感器的误差标准偏差为σ1的情况下的碰撞率图。图17的(a)的白实线表示目标碰撞率的一例。
图17的(b)表示将图17的(a)的碰撞率图的行动方案设定变更后的情况下的目标碰撞率。若增大由行动方案容许的最大制动，则车辆1对于障碍物的应对能力提高，碰撞率下降。在该情况下，碰撞率图上具有目标碰撞率的位置及速度的组合会向右上(对象物侧、高速度侧)移动。也就是说，低碰撞率区域扩大。作为例子而如图17的(b)的箭头k所示，若设定变更为最大制动－1.0G的行动方案，则能够增大对制动使用的减速G，能够扩大碰撞风险低的状态。因此，能够使进行制动的时间延迟至临界点。
图17的(c)表示在传感器性能低下的情况下图17的(a)的碰撞率图会如何变化。在传感器的误差标准偏差为σ2(σ1＜σ2)且传感器性能低下的情况下，在本实施方式中，将碰撞率推定得高，使碰撞率图内的低碰撞率区域变小。这表现于图17的(c)的箭头l。在该情况下，以降低行驶速度的方式生成行动方案，由此能够降低碰撞风险。
＜多个传感器的信赖度(检测率)利用方法＞
说明多个传感器的信赖度(检测率)利用方法。
图18是说明多个传感器的信赖度(检测率)利用方法的图。图18的(a)表示以AND检测多个传感器的情况下的例子，图18的(b)表示以OR检测多个传感器的情况下的例子，图18的(c)表示进行与多个传感器的检测状态相应的制动的情况下的例子。
将多个传感器设为传感器1、传感器2。在此，D1表示对象物被传感器1检测到的事态，D2表示对象物被传感器2检测到的事态，E表示存在对象物的状态。在存在对象物的状态下传感器1检测到对象物的概率表示为p(D1|E)。在存在对象物的状态下传感器2检测到对象物的概率表示为p(D2|E)。在存在对象物的状态下传感器1和传感器2的双方检测到对象物的概率表示为p(D1∩D2|E)。在存在对象物的状态下传感器1检测到对象物且传感器2没有检测到对象物的事态的概率表示为在存在对象物的状态下传感器1没有检测到对象物且传感器2检测到对象物的事态的概率表示为/>在存在对象物的状态下传感器1和传感器2的双方都没有检测到对象物的事态的概率表示为/>关于由双方的传感器同时检测到的概率p(D1∩D2|E)，当数式(2)成立时，事态D1|E和事态D2|E并非独立。
数式(2)
p(D1∩D2|E)≠p(D1|E)p(D2|E)…(2)
图18的(a)的以AND进行检测的例子中，减速度0.6G的刹车制动以相对于整体1.0为0.4的比例来实施，另外，巡航以0.6的比例来实施。在以AND进行检测的情况下，仅在由双方传感器同时检测到对象物的情况下实施刹车制动。存在对象物的状态下的该事态的概率为p(D1∩D2|E)。在双方或某一方传感器没有检测到对象物的情况下，实施巡航。在存在对象物的状态下双方或某一方传感器没有检测到对象物的事态的概率为
通过图27随后说明使用AND检测的行动方案的例子。
在图18的(b)的以OR进行检测的例子中，减速度0.6G的刹车制动以相对于整体1.0为0.9的比例来实施，另外，巡航以相对于整体1.0为0.1的比例来实施。在以OR进行检测的情况下，由某一方或双方的传感器检测到对象物的情况下实施刹车制动。在存在对象物的状态下由某一方或双方的传感器检测到对象物的事态的概率为p(D1∩D2|E)、在双方的传感器都没有检测到对象物的情况下实施巡航。存在对象物的状态下的该事态的概率为/>
通过图28随后说明使用OR检测的行动方案的例子。此外，一概不涉及使用AND检测的行动方案和使用OR检测的行动方案的优劣或适用条件。
在图18的(c)的进行与传感器的检测状态相应的制动的情况下，能够例举出0.6G的刹车制动的比例0.4及其概率p(D1∩D2|E)、0.1G的刹车制动的比例0.3及其概率0.05G的刹车制动的比例0.2及其概率/>和巡航的比例0.1及其概率的组合。
关于进行与检测状态相应的制动的行动方案的例子，随后作为图29的HALF AND探测来说明。此外，图18所示的多个传感器的信赖度(检测率)利用方法是一例。
这样地，在本实施方式中，通过利用在两个传感器的检测状态中存在偏差、根据各自的检测率改变制动的强弱的这种方法，谋求同时实现安全性和舒适性的行动方案的逻辑。
＜基于算法α得到的碰撞率＞
说明基于算法α得到的碰撞率·不安率的变化。
图19是说明基于算法α得到的碰撞率·不安率的变化的状态过渡图。
图19的虚线范围的算法α求出当的总碰撞率为规定的碰撞率Pc时的行动Ai。在此D→Ai表示在检测到对象物的情况下采用行动Ai，/>表示在没有检测到对象物的情况下采用行动A1。
图19以及下述各数式中如下进行表示：行动：Ai，状态：Si，碰撞：C，不快：U，检测：D，未检测存在障碍物：E，不存在障碍物：/>
向算法α输入传感器的正检测率：p(D|E)和传感器的误检测率：
基于算法α得到的碰撞率pα(C|E)由数式(3)表示，选择了行动Ai的情况下的碰撞率p(C|Ai)由数式(4)表示。
并且，碰撞率取与Pc最接近的值的检测时的行动Ai基于由上述算法α得到的碰撞率p(C|E)和选择了行动Ai的情况下的碰撞率p(C|Ai)而由数式(5)表示。
数式(5)表示求取总碰撞率为与规定的碰撞率Pc最接近的值的行动Ai的算法α。若决定了设为目标的规定的碰撞率Pc，则决定了算法α的方法。
数式(3)～(5)
算法α的碰撞率
选择了行动Ai的情况下的碰撞率
碰撞率成为Pc的检测时的行动
图19表示状态Sinit根据行动A1～A3向状态S1～S3中的哪个状态转移的概率p(S1|A1)、p(S2|A1)、p(S3|A1)、p(S1|A2)、p(S2|A2)、p(S3|A2)、以及p(S1|A3)、p(S2|A3)、p(S3|A3)。换言之，状态S1～S3能够被视为，根据以上述各概率发生的事件而从状态Sinit转移的目标状态。
通过决定上述状态S1～S3，而决定了根据状态S1～S3发生的碰撞概率p(C|S1)、p(C|S2)、p(C|S3)、和根据状态S1～S3发生的不安率p(U|S1)、p(U|S2)、p(U|S3)。
图20表示根据图19所示的行动A1～A3向状态S1、S2、S3转移的概率p(S1|A1)、p(S2|A1)、p(S3|A1)、p(S1|A2)、p(S2|A2)、p(S3|A2)、以及p(S1|A3)、p(S2|A3)、p(S3|A3)的具体例。
基于算法α得到的碰撞率pα(C|E)由数式(3)表示，选择了行动Ai时的碰撞率p(C|Ai)由数式(4)表示。
并且，碰撞率取与Pc最接近的值的检测时的行动Ai基于上述的由算法α得到的碰撞率pα(C|E)和选择了行动Ai时的碰撞率p(C|Ai)而由数式(5)表示。
选择了行动Ai时的不安率p(U|Ai)由数式(6)表示，算法α的不安率由数式(7)表示。
数式(6)、(7)
选择了行动Ai的情况下的不安率
算法α的不安率
＜对于行动的状态过渡过程的形成＞
说明通过基于对于行动的状态过渡过程的形成所构建的网状系统来评价由算法得到的碰撞率。
首先，说明对于行动的状态过渡过程的形成。
图20表示通过在某一状态下采取行动而向状态S1～S3进行状态过渡的例子。各状态下进行这样的状态过渡，由此形成状态过渡过程。
图21是说明对于行动的状态过渡过程的图。图21的横轴X表示位置，纵轴V表示速度。状态过渡过程中的各状态各自具有碰撞率，在减速或巡航的同时，向其他状态进行状态过渡直至到达目标停止位置(碰撞位置)或避免碰撞为止。因此，状态过渡过程中以使状态向右下方转移的方式表记。
图21中的●标记表示状态，图21中的虚线箭头表示状态随着位置的移动而分叉并转移。状态的各层(列方向)中，因为随着车辆的移动而使离目标停止位置(碰撞位置)的距离接近，所以传感器的检测率(也包含路面状况的掌握率)上升。
另外，图22以及图23中，粗箭头表示所关注的转移，细箭头表示粗箭头的转移的下一层以后的转移。
例如，在图21的情况下，图21的虚线范围m所示的状态中，到达至对象物的位置且具有速度，由此会碰撞且碰撞率＝1。图21的虚线范围n所示的状态中，速度在到达碰撞位置之前成为0(速度0的停车)，由此为避免碰撞且碰撞率＝0。在图21的虚线范围o所示的状态中，处于碰撞位置但速度为0，由此碰撞率＝0.5。
接着，说明状态过渡过程中的检测率对于图21的行动的变化。
图22是说明状态过渡过程中的检测率对于图21的行动的变化的图。相对于状态的各层(列方向)越接近目标停止位置(碰撞位置)则传感器的检测率越提高，设为0.2、0.4、0.6、0.8、1.0、1.0。
图22的(a)表示在图21的状态过渡过程中从最初状态不降低速度而(向图21的右横方向)转移的例子。
图22的(b)表示在图21的状态过渡过程中从最初状态稍微降低速度而(向图21的右横下中间方向)转移的例子。
图22的(c)表示在图21的状态过渡过程中从最初状态降低速度而(向图21的右横下方向)转移的例子。
如比较图22的(a)～(c)所知那样，减速速度越大则碰撞可能性越降低，但若过快地减速，则成为传感器检测率低的状态下的(信赖性低的)碰撞率的计算。
这样地，通过形成对于行动的状态过渡过程，能够通过这些网状系统来评价基于算法得到的碰撞率。
接着，说明对于行动的状态过渡过程中的算法。
图23是说明图21的对于行动的状态过渡过程中的算法的图。
在对于行动的状态过渡过程中，不需要使其所有局部过程必须为相同算法。
例如，如图23的单点划线范围p所示，在图21的对于行动的状态过渡过程中，传感器检测到在本车的行驶车道的前方突然进入车辆或产生落下物和障碍物等的情况下，无论图21的对于行动的状态过渡过程如何都进行最大制动，减轻碰撞损害。
＜基于算法α得到的碰撞率的连续性处理＞
说明基于算法α得到的碰撞率的连续性处理。
图24的(a)是说明基于算法α得到的碰撞率的连续性处理的图。
图24的(a)表现如下模型：相对于由在状态Sinit下应该向状态Si转移的算法α所选择的行动Ai，加上因各种外部要因而产生的外界干扰(disturbance)，由此状态虽然不会一定向Si转移但状态过渡具有连续性的概率分布。
在图24的(a)中，因行动Ai向某一状态Si转移的概率p(s|A)具有为标准偏差sσ的正态分布。该结果为，状态Si下发生的碰撞率p(C|s)和状态Si下发生的不安率p(U|s)也具有如图24的(a)所示的连续性的分布特性。这样地，通过设想假设有外界干扰的概率模型，能够更正确地处理现实观测的概率性事态。
相对于此，图24的(b)表现了未考虑外界干扰的情况下的模型，在该情况下由于没有外界干扰，所以p(s|A)的分布成为不扩展且不连续的特性。同样地，碰撞率p(C|s)和不安率p(U|s)也成为不连续的特性，无法恰当处理现实观测的概率性事态。
以下说明图24的(a)的模型中的概率的处理方法。图24的(a)以及下述各式中，A(Ai)表示行动，S表示状态(Sinit为初期状态)，C表示碰撞，U表示不快，D表示由距离检测部进行的障碍物的检测，表示由距离检测部得到的未检测到障碍物，E表示存在障碍物，/>表示不存在障碍物，/>表示由距离检测部得到的探测信息(有无检测、探测距离等)。此外，A1表示巡航动作。
图24的(a)的虚线范围的算法α求出的总碰撞率为与规定的碰撞率Pc最接近的值时的行动Ai。
向算法α中输入距离检测部的正检测率：p(D|E)、距离检测部的误检测率：距离检测部的探测信息/>
选择了行动A时的碰撞率p(C|A)由数式(8)表示，检测到障碍物时的行动AD以及没有检测到障碍物时的行动由数式(9)表示。
并且，总碰撞率p(C|E)根据数式(8)和数式(9)由数式(10)表示。
数式(8)～(10)
选择了行动时的碰撞率
p(C|A)＝∫p(s|A)p(C|s)ds…(8)
算法
总碰撞率
数式(8)所示地当选择了行动A时的碰撞率p(C|A)表现为如下内容：将因行动A向哪个状态转移的概率p(s|A)和状态s下的碰撞率作为具有连续性分布的信息，将它们相乘并以状态s进行积分所得到的内容。在本申请的实施方式中，基于以这样地对行动A加上外界干扰的情况为前提的模型来连续性地处理碰撞率。
《行动方案的立案》
说明将传感器的检测误差、检测率统合而生成的行动方案。
图25是表示行动方案的概要的示意图，横轴取实际的障碍物距离d，纵轴取观测到的障碍物距离
如图25所示，行动方案具有在观测到的障碍物距离短的情况下使用的“急制动”、和在离得远的情况下使用的“预备制动”。＜将传感器的检测误差、检测率统合而生成的行动方案＞
图26是由如下矩阵来表示图25的行动方案以及当没有检测到障碍物时执行的巡航动作的结果的示意图，该矩阵由探测到障碍物D以及未探测到障碍物和存在障碍物E以及不存在障碍物/>构成。图26中，★标志表示虽然障碍物位于短距离但漏检测，☆标志表示虽然没有障碍物但误探测为在短距离存在障碍物。若由传感器探测到障碍物，则执行制动动作，若没有探测到障碍物，则执行巡航动作。
·存在障碍物E且探测到障碍物D的情况
为“正探测”，成为根据观测到的障碍物距离来进行急制动或预备制动的行动方案。
在观测到的障碍物距离比实际的障碍物距离d远的情况下，成为具有碰撞可能性的预备制动(具有能够由之后的行动方案补救的可能性)。
观测到的障碍物距离比实际的障碍物距离d近的情况下，成为过早的急制动。
观测到的障碍物距离大概等于实际的障碍物距离d的情况下，根据实际的障碍物距离d而成为正确的急制动或正确的预备制动。·存在障碍物E且未探测到障碍物/>的情况
该情况下，由于障碍物没有被辨认到，所以作为行动方案而执行巡航动作。这是“漏检测”，存在导致碰撞事故的隐患。
在实际的障碍物距离d为短距离的情况下，是马上具有碰撞可能性的巡航，需要迅速执行避免碰撞行动。
在实际的障碍物距离d远的情况下，是随后具有碰撞可能性的巡航(具有能够由之后的行动方案补救的可能性)。
·无障碍物且探测到障碍物D的情况
虽然是“误探测”但由于错误地辨认到障碍物，所以行动方案执行制动动作。在观测到的障碍物距离近的情况下，成为无意义的急制动，在观测到的障碍物距离/>远的情况下，成为无意义的预备制动。/>
·无障碍物且未探测到障碍物/>的情况
为“正未探测”。该情况下由于没有辨认到障碍物，所以行动方案执行巡航动作。其成为正确的巡航。
这样地，在存在障碍物E且未探测到障碍物的情况下，虽然障碍物处于短距离但发生漏检测(参照★标志)，会导致安全性的降低。
另外，在无障碍物且探测到障碍物D的情况下，虽然没有障碍物但误探测为在短距离内存在障碍物(参照☆标志)，会导致舒适·安心性的降低。
本实施方式抑制上述的“漏检测”和“误探测”。
＜AND探测＞
图27是说明利用两个传感器的冗余的行动方案中的AND探测的示意图。图27由如下矩阵来表示使用AND探测而执行了图25的行动方案的情况的结果，该矩阵由基于一方的传感器得到的探测到障碍物D1以及未探测到障碍物基于另一方的传感器得到的探测到障碍物D2以及未探测到障碍物/>和存在障碍物E以及无障碍物/>构成。AND探测的情况下，仅在由双方的传感器同时检测到障碍物的情况下，也就是说仅在D1和D2同时发生的情况下，采用制动动作，在其他情况下采用巡航动作。图27中，★标志表示虽然障碍物处于短距离但漏检测，☆标志表示虽然没有障碍物但误探测到在短距离内存在障碍物。
图27所示的AND探测对应于用图18的(a)所述的以AND来检测两个传感器的情况的例子。
·存在障碍物E且探测到障碍物D1以及未探测到障碍物的情况
是判断为不存在障碍物等的“两个传感器的矛盾状态”。AND探测中，即使由一方的传感器探测到障碍物(D1)，也判断为因两个传感器中某一个具有故障等而导致传感器信息为不正确。该情况下，具有不是正确的制动而会导致事故的隐患。因此，采用巡航动作。
在实际的障碍物距离d为短距离的情况下，是马上具有碰撞可能性的巡航，需要迅速执行避免碰撞行动。
在实际的障碍物距离d远的情况下，成为随后具有碰撞可能性的巡航。
·存在障碍物E且未探测到障碍物以及未探测到障碍物/>的情况
该情况下采用巡航动作。这是判断为不存在障碍物等的“漏检测/误巡航”，具有导致碰撞事故的隐患。
在实际的障碍物距离d为短距离的情况下，是马上具有碰撞可能性的巡航，需要迅速执行避免碰撞行动。
在实际的障碍物距离d远的情况下，成为随后具有碰撞可能性的巡航。
·存在障碍物E且未探测到障碍物以及探测到障碍物D2的情况
是判断为不存在障碍物等的“传感器的矛盾状态”。AND探测中，即使由一方的传感器探测到障碍物(D2)，也判断为因两个传感器中某一个具有故障等而导致传感器信息为不正确。该情况下，具有不是正确的制动而会导致事故的隐患。因此，采用巡航动作。
在实际的障碍物距离d为短距离的情况下，是马上具有碰撞可能性的巡航，需要迅速执行避免碰撞行动。
在实际的障碍物距离d远的情况下，成为随后具有碰撞可能性的巡航。
·无障碍物且探测到障碍物D1以及探测到障碍物D2的情况
该情况下，采用制动动作。这是“误探测/误制动”，在观测到的障碍物距离近的情况下成为无谓的急制动，在观测到的障碍物距离/>远的情况下成为无谓的预备制动。
这样地，在AND探测中，在探测到障碍物D1以及探测到障碍物D2的情况以外，采用巡航动作。该巡航动作在存在障碍物E的情况下成为具有碰撞可能性的巡航。另一方面，在无障碍物的情况下，探测到障碍物D1以及探测到障碍物D2的情况以外所采用的巡航动作成为正确的巡航。
＜OR探测＞
图28是说明利用两个传感器的冗余的行动方案中的OR探测的示意图。图28由如下矩阵来表示使用OR探测而执行了图25的行动方案的情况的结果，该矩阵由基于一方的传感器得到的探测到障碍物D1以及未探测到障碍物基于另一方的传感器得到的探测到障碍物D2以及未探测到障碍物/>和存在障碍物E以及无障碍物/>构成。OR探测的情况下，在由某一个或双方的传感器检测到障碍物的情况下，也就是说在D1及/或D2发生的情况下采用制动动作，在其他情况下采用巡航动作。图28中，★标志表示虽然障碍物处于短距离但漏检测，☆标志表示虽然没有障碍物但误探测到在短距离内存在障碍物。
图28所示的OR探测对应于用图18的(b)所述的以OR来检测两个传感器的情况的例子。
·存在障碍物E且未探测到障碍物以及未探测到障碍物/>的情况
该情况下采用巡航动作。这是判断为不存在障碍物等的“漏检测/误巡航”，具有导致碰撞事故的隐患。
在实际的障碍物距离d为短距离的情况下，是马上具有碰撞可能性的巡航，需要迅速执行避免碰撞行动。
在实际的障碍物距离d远的情况下，成为随后具有碰撞可能性的巡航。
·无障碍物且探测到障碍物D1以及探测到障碍物D2的情况
该情况下采用制动动作。这是“误探测/误制动”，在观测到的障碍物距离近的情况下，成为无谓的急制动，在观测到的障碍物距离/>远的情况下，成为无谓的预备制动。
·无障碍物且探测到障碍物D1以及未探测到障碍物/>的情况
该情况下采用制动动作。在观测到的障碍物距离近的情况下，成为无谓的急制动，在观测到的障碍物距离/>远的情况下，成为无谓的预备制动。
·无障碍物且未探测到障碍物/>以及探测到障碍物D2的情况
该情况下采用制动动作。在观测到的障碍物距离近的情况下，成为无谓的急制动，在观测到的障碍物距离/>远的情况下，成为无谓的预备制动。
这样地，在OR探测中，仅在未探测到障碍物以及未探测到障碍物/>同时发生的情况下采用巡航动作。该巡航动作在存在障碍物E的状态下进行的情况下成为“漏检测/误巡航”的巡航，在无障碍物/>的状态下进行的情况下成为正确的巡航。
若对上述的AND探测(参照图27)和OR探测(参照图28)进行比较，则AND探测重视传感器检测状态，将传感器不良情况作为会导致碰撞可能性的要因来捕捉。因此，能够防止忽视传感器不良情况而导致碰撞可能性的判断迟缓，能够期待更加提高信赖性。在AND探测的情况下，在因传感器不良情况而发生了传感器的矛盾状态的情况下，选择巡航动作。由此，在无障碍物的情况下不会丧失舒适性。但是，在存在障碍物E的情况下具有损害安全性的可能性。
在OR探测的情况下，在因传感器不良情况而发生了传感器的矛盾状态的情况下，选择制动动作。由此在无障碍物的情况下丧失舒适性。但是，在存在障碍物E的情况下确保安全性。
＜HALF AND探测＞
图29是说明利用两个传感器的冗余的行动方案中的HALF AND探测的示意图。对与图27的AND探测相同的部分标注同一附图标记并省略重复部分的说明。
图29所示的HALF AND探测表示如图18的(c)所述的、进行与两个传感器的检测状态相应的制动的情况下的例子。
在图27的AND探测中，在探测到障碍物D1以及未探测到障碍物的情况、和未探测到障碍物/>以及探测到障碍物D2的情况下，辨认出“传感器的矛盾状态”。在图29的HALFAND探测中，仅在上述的条件成立且观测到的障碍物距离/>为规定阈值以上的情况下，将“传感器的矛盾状态”辨认为矛盾状态。
如图29所示，在HALF AND探测中，在探测到障碍物D1且未探测到障碍物的情况、和未探测到障碍物/>且探测到障碍物D2的情况下，且观测到的障碍物距离/>为规定阈值以上的情况下，视为“传感器的矛盾状态”，判断为不存在障碍物而采用巡航动作。该情况的结果是与AND探测的情况同样的。也就是说，在存在障碍物E中，在实际的障碍物距离d为短距离的情况下成为马上具有碰撞可能性的巡航，在实际的障碍物距离d远的情况下成为随后具有碰撞可能性的巡航。在无障碍物/>中成为正确的巡航。
如图29所示，在HALF AND探测中，在探测到障碍物D1且未探测到障碍物的情况、和未探测到障碍物/>且探测到障碍物D2的情况下，且观测到的障碍物距离/>小于规定阈值的情况下，判断为存在障碍物而采用预备制动动作。在存在障碍物E中，在实际的障碍物距离d为短距离的情况下成为具有碰撞可能性的预备制动动作，在实际的障碍物距离d远的情况下，成为正确的预备制动动作。在无障碍物/>中成为无谓的预备制动。
这样地，在HALF AND探测中，在探测到障碍物D1且未探测到障碍物的情况、和未探测到障碍物/>以及探测到障碍物D2的情况下，基于观测到的障碍物距离/>与规定阈值之间的大小关系，而采用巡航动作或预备制动动作。由此，在因传感器不良情况而发生了传感器的矛盾状态的情况下，在无障碍物/>的情况且观测到的障碍物距离/>为规定阈值以上的情况下确保舒适性，在存在障碍物E的情况且观测到的障碍物距离/>小于规定阈值的情况下确保安全性。
另外，在图28的OR探测中，在无障碍物中，在探测到障碍物D1且未探测到障碍物的情况、和未探测到障碍物/>且探测到障碍物D2的情况下，根据观测到的障碍物距离/>来采用“急制动”或“预备制动”，该结果为，成为“无谓的急制动”和“无谓的预备制动”。在HAL FAND探测中，在上述的情况下根据观测到的障碍物距离/>来采用“预备制动”或“巡航”，该结果为，成为“无谓的预备制动”或“正确的巡航”。由此，与OR探测相比具有如下效果：减少了无谓的急制动和无谓的预备制动增加的可能性而尽可能地不损害舒适性。
在图27所示的AND探测中，表示虽然障碍物处于短距离但漏检测的情况的★标志为六个，表示虽然没有障碍物但误探测为在短距离内存在障碍物的情况的☆标志为两个，合计八个。图28所示的OR探测中，★标志为两个，☆标志为六个，仍然合计八个。图29所示的HALF AND探测中，★标志为四个，☆标志为两个，合计六个。
通过该结果可以说，HALF AND探测与AND探测相比舒适性优异，与OR探测相比舒适性优异但安全性不足。另一方面，根据综合观点，也就是说若以成为课题的★标志和☆标志的合计数量进行比较，则可以说HALF AND探测提供了对AND探测以及OR探测改善后的结果。
以上说明了使用AND探测、OR探测、HALF AND探测的行动方案。以下详细说明行驶途中的各状态下的碰撞率的求取方法。
《事态发生率》
接下来说明事态发生率的求取方法。事态发生率在事态属于“碰撞”的情况下成为碰撞率。事态发生率是将碰撞率一般化的概念。
图30是碰撞发生事态的状态过渡图。
图30中，Sc表示现在的状态，表示观测值，α表示行动，Sn表示下个状态，C表示事态(碰撞)。图30的状态过渡图表示如下内容：在现在的状态Sc下观测到观测值/>并相应地引发行动α(减速)，由此导致向下个状态Sn转移，其结果导致发生碰撞。基于该状态过渡模型，从状态Sc发生碰撞的概率p(C|Sc)由数式(11)表示。
数式(11)
α：行动
Sc：现在的状态
Sn：下个状态
C：事态(碰撞)
观测值
对于观测值/>执行的行动
p(C|S)：状态S下事态C发生的概率
从状态Sc因观测到/>而执行的行动/>而向Sn转移的概率/>
在状态Sc下观测到/>的概率
＜碰撞率的求取方法>
图31是在障碍物实际所处的场所已判明的条件的基础上说明碰撞率的求取方法的图。图31的(a)表示从现在的位置、速度进行减速并要停车在设定于障碍物近前的目标停止位置时的位置和速度的轨迹，横轴取位置，纵轴取速度。图31的(a)对应于图10A。
图31的(b)表示速度0的碰撞率，图31的(c)表示基于距离检测部(探测设备DD、车辆传感器60以及自动驾驶控制部120)得到的对象物检测的误差分布，图31的(d)表示基于距离检测部(探测设备DD、车辆传感器60以及自动驾驶控制部120)得到的对象物检测的检测率。图31的(b)-(d)的横轴表示位置，纵轴表示发生率。图31的(a)-(d)中，p(∈α)表示行动方案的不确定性εα的概率，表示是否观测到障碍物的值(在观测到的情况下值取1，在未观测到的情况下值取0)，/>表示观测到的障碍物距离，xc表示现在的位置，xo表示障碍物的位置，vc表示现在的位置中的速度，dM表示设定在观测到的障碍物距离/>与使车辆停止的目标位置之间的停止距离余量。
图32是图31中的表示碰撞发生过程的状态过渡图。
图32中，行动(减速)为α，现在的状态为Sc，观测值为下个状态为Sn，事态(碰撞)为C。根据图31的(a)，现在的状态Sc由现在的速度vc和位置xc来定义并表记为(vc，xc)，观测值/>由表示检测到/未检测到的情况的/>表示离对象物的距离的来定义并表记为/>下个状态Sn由下个状态的速度vn和位置xn来定义并表记为(vn,xn)。
图31的(a)所示的位置·速度的轨迹(粗实线)具有不确定性的概率分布p(∈α)。
在此，εα表示行动方案中的对于下个状态过渡的不确定性。
现在的状态Sc为，速度vc和位置xc：Sc＝(vc,xc)。
观测值为，在检测到/未检测到的情况下：/>离对象物的距离：
停止距离余量为dM。
在现在的状态Sc＝(vc,xc)下想要停车在目标停止位置时执行的减速的减速度a由数式(12)表示。表示下个状态Sn的速度vn以及位置xn由数式(13)、(14)表示。数式(13)、(14)中的ΔT表示现在的状态与下个状态的时间差。下个状态Sn是从现在的状态Sc以减速度a减速了ΔT时间后的情况下成为的状态。
数式(12)～(14)
/>
图31的(b)所示的、vc＝0中的碰撞率由具有标准偏差为σd的正态分布的累积分布的特性表示。也就是说，速度0的碰撞率p(C|vc＝0，xc)由数式(15)表示。
图31的(c)所示的、基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的误差分布由表示。
在此，是在该状态下观测到的探测距离，成为依存于xc的分布。
如图31的(d)所示，基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的检测率是其根据离检测的距离而变化。
vc＝0中的碰撞率p(C|vc＝0，xc)由数式(15)表示。数式(15)中σd是上述碰撞率的正态分布的标准偏差，erf是高斯误差函数。算法(减速度)α的不确定性εα的概率p(∈α)具有正态分布，由数式(16)表示。换言之，p(∈α)是表示对车辆实际执行的减速度与减速度a的指示之差进行表示的不确定性εα所取的概率。数式(16)中σα是表示不确定性的正态分布的标准偏差。另外，状态(xc,vc)中通过距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)在距离的位置上检测到对象物的概率(误差分布)/>由数式(17)表示，状态(xc,vc)中由距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)检测到对象物的检测率/>由数式(18)表示。数式(18)中Pmax、Pmin分别是基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的最大检测率以及最小检测率。ds以及de是表示如下位置的参数，该位置依存于基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的特性，在该区间区域内基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的检测率从Pmin变化至Pmax(参照图31的(d))。
数式(15)～(18)
＜碰撞率p(C|s)的计算＞
接着，说明对于各位置·速度的碰撞率p(C|s)的计算。
图33～图35是为了计算对于各位置·速度的碰撞率p(C|s)而将状态表现在位置以及速度的二维空间内的网格上的图。
1.准备网格
图33是表示网格的图。
准备图33所示的网格。为了求得对于各位置·速度的碰撞率p(C|s)，将状态划分至网格(参照图33)，从了解的地方开始按顺序计算。
若设为：网格的索引(index)：Gx,Gv
网格的尺寸：Gxsize,Gvsize
状态(位置、速度)：x,v
位置、速度的最大值：xmax、vmax
则索引→状态值由数式(19)、(20)表示，状态值→索引由数式(21)、(22)表示(参照图33)。
数式(19)～(22)
索引→状态值
状态值→索引
2.碰撞率图的网格的端部处的付与条件
图34是说明碰撞率图的网格的端部处的付与条件的情况的图。
在超过对象物的地方，碰撞率设为1。
p(Gxmax，Gv)＝1
速度0的碰撞率p(Gx，0)是基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的分布的累积分布，基于数式(15)由数式(23)表示。
数式(23)
xo障碍物所处的位置
σd距离检测部的对象物检测的误差分布的标准偏差
3.从碰撞率图的网格的端部按顺序求取碰撞率
图35是说明从碰撞率图的网格的端部按顺序求取碰撞率的图。
如图35的箭头q、r所示，从碰撞率图的网格的端部按顺序求取碰撞率。图35的附图标记s表示将在某一状态下的碰撞率求出的计算的意思。
在此，将网格上的碰撞率表现为p(C|S)＝pc(Gx，Gv)。
现在的状态Sc下的碰撞率p(C|Sc)由数式(24)表示，网格上的碰撞率pc(Gxc，Gvc)由数式(25)表示。
数式(24)、(25)
以上，说明了对于各位置·速度的碰撞率p(C|s)的计算。
＜从下个状态以近似的方式求取碰撞率的方法＞
接着说明从下个状态以近似的方式求取碰撞率的方法。
图36～图38是说明从下个状态以近似的方式求取碰撞率的方法的图。
1.从网格的位置求出现在的速度和位置
图36是与图31的(a)对应的图。
从图36依照数式(26)、(27)来计算现在的速度vc和位置xc。
数式(26)、(27)
2.设定参数εα。
3.求取需要的减速度。
需要的减速度a依照数式(28)计算。
数式(28)
4.求取成为下个状态的时间
图37是说明求取成为下个状态的时间的方法的图。xstep表示网格在表示位置的轴方向上的间隔，vstep表示网格在表示速度的轴方向上的间隔。另外，ΔTx表示车辆到达网格线x＝xc+xstep为止的时间，ΔTv表示车辆到达网格线v＝vc－vstep为止的时间。图37的(a)表示ΔTx＜ΔTv的情况，图37的(b)表示ΔTx≥ΔTv的情况。
首先，如图37的(a)、(b)所示，按照数式(29)、(30)计算成为与xc+xstep的交点的ΔTx以及成为与vc－vstep的交点的ΔTv。
数式(29)、(30)
仅在δ＝vc 2+2axstep＞0时采用
接着，从计算出的ΔTx、ΔTv中，按照数式(31)选择较小的一方。
数式(31)
ΔT＝min(ΔTv,ΔTx)…(31)
5.求取下个状态
由数式(32)、(33)求出下个状态vn、xn。
数式(32)、(33)
vn＝vc+aΔT…(32)
xn＝xc+vnΔT+1/2×aΔT2…(33)
6.从下个状态的附近的网格点求出下个状态的碰撞率
图38是表示从下个状态的附近的网格点求出下个状态的碰撞率的方法的图，(a)表示ΔTx＜ΔTv的情况，(b)表示ΔTx≥ΔTv的情况。
如图38的(a)、(b)所示，根据在下个状态(gxn，gvn)(参照图38的(a)、(b)的●标志)的附近的网格点(Gxc,Gvc－1)、(Gxc+1,Gvc－1)、(Gxc+1,Gvc)处的碰撞率，按照数式(34)，求出下个状态的碰撞率pc(gxn，gvn)。在此，mx是将从现在的状态(Gxc，Gvc)到下个状态(gxn，gvn)为止的距离以xstep正态化的值，因此取从0到1之间的值。mv是将从下个状态(gxn，gvn)到(Gxc+1,Gvc－1)为止的速度差以vstep正态化的值，因此取从0到1之间的值。此外，网格间的距离为1，因此相邻的状态能够用+1或－1计算。
数式(34)
7.边清算(sweep)参数εα边累积
基于计算出的下个状态的碰撞率pc(gxn，gvn)，通过数式(35)，边清算参数εα边计算求和，由此求出现在的状态的碰撞率pc(Gxc，Gvn)。
数式(35)
希望注意如下内容。数式(35)的pc(gxn，gvn)由数式(34)付与，数式(34)的mx、mv由下个状态(gxn，gvn)决定，下个状态(gxn，gvn)由数式(32)、(33)付与，数式(32)、(33)成为减速度a以及ΔT的函数，ΔT由数式(31)根据ΔTv、ΔTx而定，ΔTv、ΔTx由数式(29)、(30)所示的、减速度a的函数付与。并且，减速度a由数式(28)通过包括减速度a的不确定性εα的函数付与。也就是说，下个状态(gxn，gvn)能够通过对减速度a加上不确定性εα的运算而求出。
也就是说，数式(35)的pc(gxn，gvn)成为反映了减速度a的不确定性εα的值。并且数式(35)中，求和对象包含对pc(gxn，gvn)乘以减速度a的不确定性εα的概率P(εα)的项，包括了对于不确定性εα的清算。因此，数式(35)所付与的现在的状态的碰撞率pc(Gxc，Gvc)成为反映了减速度a的不确定性εα的值。由此，能够连续性地处理碰撞率。
另外，希望注意到向数式(35)的求和对象乘以基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的检测率的情况。基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的检测率/>由数式(18)表示，具有图31的(d)所示的特性。在基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物检测的检测率/>低的区域内，也就是说离对象物的距离远的区域内，通过数式(35)将碰撞率pc(Gxc，Gvc)评价得低。在碰撞率图上的碰撞率被评价得低的区域内，如参照图8所说明那样，行动方案生成部200能够生成在不影响舒适感的范围内开始减速的行动方案。
＜近似碰撞率图的求取方法＞
本申请实施方式的流程的步骤S12所设定的碰撞率图是假设了图36所示的状况并近似地通过数式(16)～(18)、(23)、(26)～(35)而计算出的。也就是说，假设在由现在检测到障碍物的传感器构成探测到的探测距离内存在障碍物来计算碰撞率图。以下，将该碰撞率图称为“近似碰撞率图”。
在此使用的用语“近似碰撞率图”不同于至此说明的对象物的真正位置已判明的“碰撞率图”，是如图36所示地假设在由距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)探测到的探测距离内存在障碍物而计算的，由此是为了便于说明而使用的。
图36、数式(28)的以及dM分别对应于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)所输出的探测信息中的、由探测设备DD的多个传感器中探测到障碍物的传感器的组合(传感器构成)探测到的距离即探测距离、以及由指示值偏差量计算部230决定的偏差量。
计算中使用的、作为近似碰撞率图的端部的、速度v＝0的各位置中的碰撞率由数式(23)付与。然而，向对象物的位置的真值xo代入探测距离的值。另外，作为近似碰撞率图的另一方的端部的、位置且v≠0处的碰撞率假设为1。
基于速度v＝0中的各位置的碰撞率、以及位置且v≠0处的碰撞率，按照数式(34)，近似地求出近似碰撞率图上的点上的碰撞率。
数式(35)的是通过将数式(18)适用于近似碰撞率图上的各网格点中而付与的。数式(18)中对xc付与由数式(19)所付与的位置x。
数式(35)的使用数式(17)来计算。然而，向对象物的位置的真值xo代入探测距离。数式(35)的/>相当于“基于fusion精度信赖度得到的概率分布1003”。如上所述，基于fusion精度信赖度得到的概率分布1003能够得到在离对象物的距离的真值是已知的状况下对基于距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物探测的特性进行计测的流程的结果而得到的计测值。基于fusion精度信赖度得到的概率分布1003的宽度依存于探测距离，成为探测距离越大则越宽的正态分布。因此，数式(17)所表现的正态分布特性的参数σd基于计测值而作为距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)的探测距离的函数预先求出，根据探测距离来对值进行设定。此外，在付与速度v＝0的各位置中的碰撞率的数式(23)中，也使用该σd的值。
数式(35)的p(∈α)由数式(16)付与。数式(16)所表现的正态分布特性的参数σα能够通过事先的计测而预先求出。将使用该计测值由数式(16)计算出的值作为p(∈α)的值来使用。
数式(35)的pc(gxn，gvn)由数式(34)付与。
“近似碰撞率图”的计算中使用的指示值的偏差量(也就是说dM)是根据规定的目标碰撞率、指示值达成概率密度分布1001、基于fusion精度信赖度得到的概率分布1003而求出的。指示值达成概率密度分布1001是经由对车辆1指示了某一减速度的情况下测定停止位置的流程而预先计测出的，视为减速度的函数。基于fusion精度信赖度得到的概率分布1003是经由对距离的真值为已知的状况下的探测距离的误差的分布成为怎样进行试验的流程而预先计测出的特性，视作距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)所输出的探测信息(传感器构成、探测时间及探测距离)的函数。
通过上述说明可知，“近似碰撞率图”可被视作减速度以及距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)所输出的探测信息(传感器构成，探测时间，以及探测距离)的函数。
＜实施方式中在行驶中获取近似碰撞率图的方法＞
在实施方式中，预先假设多个状况而制作多个“近似碰撞率图”，并储存至碰撞率图存储部1010，在本车辆1行驶中碰撞率图设定部250选择与现在状况接近的“近似碰撞率图”。
如上述那样地，“近似碰撞率图”被视为减速度、距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)所输出的探测信息(传感器构成、探测时间以及探测距离)的函数。因此，事先制作以减速度、传感器构成、探测时间、探测距离为输入参数且以“近似碰撞率图”为输出的表格(近似碰撞率图表)(未图示)并将其储存至碰撞率图存储部1010。并且，在本车辆1的行驶中，碰撞率图设定部250将现在行动方案生成部200所设定的最大减速度、以及从距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对现在检测到障碍物的组合进行表示的传感器构成、由该传感器组合持续探测到的探测时间、以及探测距离输入至碰撞率图存储部1010内储存的近似碰撞率图表中，将从表格输出的“近似碰撞率图”决定为现在使用的“近似碰撞率图”。
通过使用该近似碰撞率图表，能够减少计算资源的消耗，高速地设定“近似碰撞率图”。
对于该近似碰撞率图表，输入参数的信息量越多(量子化宽度越小)，能够储存精度更高的“近似碰撞率图”，但容量增加。输入的信息量应是由精度和容量的得失所决定的。
并且，也能够不存储“近似碰撞率图”上的全部网格点上的碰撞率，由此减少表格容量。例如能够将碰撞率与目标碰撞率相比在一定程度高的区域和一定程度低的区域内的碰撞率作为固定值来处理，以不向碰撞率图存储部1010存储的方式决定数据形式。
不同于上述的、在碰撞率图存储部1010存储近似碰撞率图表并在本车辆1行驶中选择与现在状况接近的图表的实施方式，碰撞率图设定部250也可以为，在行驶中，通过现在设定的最大减速度、从距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的现在的传感器构成、探测时间、探测距离、和预先计测出的本车辆1的各种特性而实时进行计算。根据该实施方式，能够省略碰撞率图存储部1010。该实施方式中，能够使用与上述的STEP4相关说明的由指示值偏差量计算部230决定的偏差量，如作为上述的近似碰撞率图的求取方法所说明那样地，通过数式(16)～(18)、(23)、(26)～(35)来计算近似碰撞率图。
另外，在实时地计算“近似碰撞率图”的实施方式的情况下，也可以为，将计算出的“近似碰撞率图”作为近似碰撞率图表的要素而储存至碰撞率图存储部1010，在之后遭遇到相似状况时读取出被储存的近似碰撞率图来使用。另外，也可以将使用频率低的近似碰撞率图从碰撞率图存储部1010的近似碰撞率图表中删除。根据该实施方式，能够减少碰撞率图存储部1010所需要的容量。
另外，在实时计算“近似碰撞率图”的实施方式中，也能够不计算“近似碰撞率图”上的所有网格点上的碰撞率，由此减少计算资源的消耗，还能够减少用于在碰撞率图存储部1010存储“近似碰撞率图”的容量。
以上，详细说明了实施方式中的“近似碰撞率图”的求取方法。
实施方式的车辆控制装置100具有：生成本车辆1的自动驾驶的行动方案的行动方案生成部200；基于所述行动方案至少控制本车辆1的速度的车辆举动控制部160；和探测对象物并输出与所述对象物的探测相关的探测信息的距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)，行动方案生成部200设定自动驾驶中的本车辆1的最大减速度，行动方案生成部200具有当距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)探测到障碍物时决定在位置和速度的二维空间内表示碰撞率的分布的二维图、即碰撞率图的碰撞率图设定部250，该碰撞率表示本车辆1与所述障碍物之间的碰撞可能性，所述碰撞率图是以基于规定的目标碰撞率、所述最大减速度、以及所述探测信息的组合而设定的目标停止位置为前提制作的，行动方案生成部200基于所述碰撞率图、所述规定的目标碰撞率、本车辆1的现在的位置和速度来生成现在的行动方案。
以往技术中，如专利文献1那样地根据位置误差概率分布来控制车辆的速度。另外，如专利文献2那样地判断与本车辆之间的碰撞可能性。任何技术都是根据位置误差概率分布或碰撞可能性来进行车辆的速度控制，没有与自动驾驶的行动方案建立关联。因此，在使用传感器来决定行动方案的情况下存在如下课题：辨认距离不足，在将传感器的信赖度保持得高的状态下没有增长辨认距离(课题1)。另外还存在无法使安全水准的明确化、传感器的信赖度(精度、探测率)、和其行动方案的精度定量化的课题(课题2)。
相对于此，在本实施方式中，导入在位置和速度的二维空间内表示碰撞率的分布的二维图、即碰撞率图，该碰撞率表示本车辆1与所述障碍物之间的碰撞可能性，根据碰撞率图上本车辆1的位置·速度所具有的碰撞率与碰撞率图上具有目标碰撞率的位置·速度之间的关系来生成现在的行动方案。由此，能够在位置和速度的二维空间中掌握与具有目标碰撞率的位置·速度之间的关系，在自动驾驶中能够生成将安全率和舒适性考虑在内的行动方案。
本实施方式的所述碰撞率图在所述二维空间内定义多个网格点，对各网格点分别决定了碰撞率，各网格点上的碰撞率表示当车辆举动控制部160以使本车辆1从与该网格点对应的位置和速度进行减速并停止于所述目标停止位置的方式以所述最大减速度为上限对本车辆1指示了减速度时本车辆1与所述障碍物碰撞的概率。
根据该构成，行动方案生成部200能够基于以现在设定的最大减速度为前提的碰撞率来生成行动方案。
本实施方式的行动方案生成部200在本车辆1的现在的位置和速度处于所述碰撞率图上所示的低碰撞率区域(参照图14)内的情况下，作为现在的行动方案而生成维持自动驾驶的速度并容许急制动的行动方案，该低碰撞率区域是碰撞率低于比所述规定的目标碰撞率低的第1阈值的区域，在所述车辆的现在的位置和速度处于所述碰撞率图上的高碰撞率区域(参照图14)内的情况下，作为现在的行动方案而生成实施预备制动的行动方案，该高碰撞率区域是碰撞率低于所述规定的目标碰撞率且是为所述第1阈值以上的第2阈值以上的区域，该预备制动为，重复短时间的制动来避免急制动。
通过这样做，行动方案生成部200在碰撞率图的二维空间中，在碰撞率低于比目标碰撞率低的第1规定阈值的低碰撞率区域(参照图14)中，生成维持自动驾驶的设定速度并容许急制动的急制动的行动方案，在碰撞率低于所述目标碰撞率且处于为所述第1规定阈值以上的第2阈值以上的高碰撞率区域(参照图14)中，生成重复短时间的制动来避免急制动的预备制动的行动方案。这样地进行本车辆1的自动驾驶的控制，能够同时实现安全率和舒适性。
本实施方式的距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)具有多个传感器，所述探测信息包括：表示所述多个传感器中探测到所述障碍物的传感器的组合的传感器构成；通过所述传感器构成探测到的探测距离；和由所述传感器构成连续地持续探测到的探测时间，以使通过如下指示值达成概率密度分布1001以及如下误差分布(基于fusion精度信赖度得到的概率分布1003)的卷积而算出的碰撞率等于所述规定的目标碰撞率的方式决定所述目标停止位置，该指示值达成概率密度分布1001是在欲使车辆停止于所述目标停止位置而从车辆举动控制部160向本车辆1指示了所述最大减速度的情况下车辆实际停止的位置的概率密度分布，该误差分布以所述探测距离所示的位置为中心来分布且表示离所述障碍物的真正距离与所述探测距离之间的差异的概率分布，指示值达成概率密度分布1001是基于由本车辆1执行基于对本车辆1指定的减速度进行的停止动作而预先计测出的、本车辆1的车辆停止特性而对于所述最大减速度推定出的分布，所述误差分布(基于fusion精度信赖度得到的概率分布1003)是根据在离对象物的距离的真值是已知的状况下使用距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)预先计测出的、距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)的距离检测特性而对于所述传感器构成、所述探测距离和所述探测时间推定出的分布。
表示距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)探测到的探测距离与离障碍物的真正距离之间的差异的概率分布的误差分布能够通过表示距离检测部的多个传感器中探测到所述障碍物的传感器的组合的传感器构成、由传感器构成探测到的探测距离、和由传感器构成连续地持续探测到的探测时间而推定出。该误差分布与最大减速度中的指示值达成概率密度分布之间的重叠表示本车辆1的碰撞率。以使该碰撞率成为例如手动驾驶中予想的碰撞率以下的规定的目标碰撞率的方式决定目标停止位置，由此在对自动驾驶进行驾驶的情况和人进行驾驶的情况进行比较的情况下，能够以使自动驾驶进行驾驶的情况更加安全的方式决定碰撞率图。
另外，通过上述构成，行动方案生成部200能够使用基于对本车辆1和距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)实测到的特性来决定目标停止位置的碰撞率图。
本实施方式的车辆控制装置100中，碰撞率图设定部250设定的碰撞率图中，碰撞率图上的网格点(Gxc，Gvc)中的碰撞率pc(Gxc，Gvc)通过数式(35)求出。
数式(35)中，表示网格点(Gxc，Gvc)中由距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)检测到所述障碍物的检测率，/>表示网格点(Gxc，Gvc)中由距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)在距离/>的位置检测到所述障碍物的概率，pc(gxn，gvn)表示当车辆举动控制部160以使本车辆1从网格点(Gxc，Gvc)停止在所述目标停止位置的方式向本车辆1指示了减速度a时可能会转移到的碰撞率图上的点(gxn，gvn)中的碰撞率，p(∈α)表示如下不确定性εα所取的概率，该不确定性εα表示本车辆1实际执行的减速度与减速度a的指示之差。
碰撞率图上的点(gxn，gvn)是通过对减速度a加上不确定性εα的运算而求出的点，所述碰撞率图上的速度＝0的网格点上的碰撞率是基于事先对距离检测部的特性进行计测得到的结果而付与的。碰撞率图上的位置为所述探测距离且速度＝0以外的网格点上的碰撞率被付与了规定的值。
pc(gxn，gvn)的值是通过基于点(gxn，gvn)的附近的网格点上的碰撞率以近似的方式求值的运算而求出的值。
数式(35)的求和运算从与速度＝0且位置＝探测距离对应的网格点在速度增加的方向上及/或位置从探测距离接近本车辆1的方向上反复进行，由此求出碰撞率图的网格点(Gxc，Gvc)处的碰撞率。
这样地求出的碰撞率图成为将减速度a的不确定性εα考虑在内的值。由此碰撞率图表示更加接近实际行驶中的状态过渡的状况。
对数式(35)的求和对象乘以距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)的检测率)。在探测距离远的情况下，距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)的检测率/>取较低的值。在距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)的检测率/>低的区域，也就是说离对象物的距离远的区域内，碰撞率通过数式(35)被评价得低。在碰撞率图上的碰撞率被评价得低的区域内，行动方案生成部200如参照图8所说明那样，能够进行在不影响舒适感的范围内开始减速的选择。
本实施方式中，概率p(∈α)具有基于事先计测到的本车辆1的特性而决定的具有标准偏差的正态分布。
通过这样地构成，能够求出基于本车辆1的实际的减速动作所具有的不确定性而得到的碰撞率图。
本实施方式的行动方案生成部200具有存储多个碰撞率图的碰撞率图存储部1010，该多个碰撞率图是根据对本车辆1指示了某一减速度的情况下测定停止位置的流程的结果、在离对象物的距离的真值是已知的状况下的、计测由距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物探测的特性的流程的结果、和所述规定的目标碰撞率而求出的。碰撞率图设定部250基于所述最大减速度和所述探测信息而选择碰撞率图存储部1010内储存的所述多个碰撞率图中的一个，并将其决定为要使用的碰撞率图。
通过这样地构成，在行驶中不用进行求取碰撞率图的运算，就能够决定碰撞率图，由此运算资源的消耗少也可实现。
也可以为，本实施方式的碰撞率图设定部250基于表示本车辆1和距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)的特性的参数、所述规定的目标碰撞率、所述最大减速度、和所述探测信息在行驶中实时运算，由此决定所述碰撞率图，该表示本车辆和距离检测部的特性的参数是根据对本车辆1指示了某一减速度的情况下测定停止位置的流程的结果、在离对象物的距离的真值是已知的状况下的、计测由距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)得到的对象物探测的特性的流程的结果而导出的。
另外，也可以为，本实施方式的行动方案生成部200具有将碰撞率图设定部250在行驶中实时计算出的所述碰撞率图存储的碰撞率图存储部1010，碰撞率图设定部250在与所述规定的目标碰撞率、所述最大减速度、和所述探测信息对应的碰撞率图存储于碰撞率图存储部1010的情况下，将碰撞率图存储部1010内存储的所述碰撞率图决定为要使用的碰撞率图。
通过这样地构成，能够取消或删除存储碰撞率图的碰撞率图存储部1010的存储资源。
也可以为，本实施方式的距离检测部(探测设备DD、车辆传感器60及自动驾驶控制部120)具有用于探测障碍物的多个传感器，所述探测信息包括：表示所述多个传感器中探测到所述障碍物的传感器的组合的传感器构成；和由所述传感器构成探测到的探测距离，在仅由所述多个传感器中的一部分传感器探测到所述障碍物的情况且所述探测距离为规定的距离阈值以上的情况下，行动方案生成部200作为现在的行动方案而生成视为所述障碍物不存在并实施巡航动作的行动方案，在仅由所述多个传感器中的一部分传感器探测到所述障碍物的情况且所述探测距离小于所述规定的距离阈值的情况下，行动方案生成部200作为现在的行动方案而生成视为存在所述障碍物并实施预备制动的行动方案。
通过该构成，在因传感器不良情况而发生了传感器的矛盾状态的情况下，在无障碍物且观测到的障碍物距离/>为规定阈值以上的情况下确保舒适性，在存在障碍物E且观测到的障碍物距离/>小于规定阈值的情况下确保安全性。
上述的实施方式例是为了易于理解本发明而进行了详细说明，并不限定于必须具有所说明的全部构成。另外，能够将某一实施方式例的构成的一部分与其他实施方式例的构成置换，另外还能够向某一实施方式例的构成中增加其他实施方式例的构成。另外，针对实施方式例的构成的一部分，能够进行其他构成的追加、删除、置换。
另外，本发明的车辆控制装置以及车辆控制方法也能够由用于使计算机作为本车辆控制装置以及车辆控制方法来发挥功能的程序而实现。该程序可以储存于能够由计算机读取的记录介质内。

Claims (11)

1.一种车辆控制装置，其控制车辆，其特征在于，具有：
生成所述车辆的自动驾驶的行动方案的行动方案生成部；
基于所述行动方案至少控制所述车辆的速度的车辆举动控制部；和
探测对象物并输出与所述对象物的探测相关的探测信息的距离检测部，
所述行动方案生成部设定自动驾驶中的所述车辆的最大减速度，
所述行动方案生成部具有碰撞率图设定部，当所述距离检测部探测到障碍物时该碰撞率图设定部决定在位置和速度的二维空间内表示碰撞率的分布的二维图、即碰撞率图，该碰撞率表示所述车辆与所述障碍物之间的碰撞可能性，
所述碰撞率图是以基于规定的目标碰撞率、所述最大减速度、以及所述探测信息的组合而设定的目标停止位置为前提制作的，
所述行动方案生成部基于所述碰撞率图、所述规定的目标碰撞率、所述车辆的现在的位置和速度来生成现在的行动方案。
2.根据权利要求1所述的车辆控制装置，其特征在于，
所述碰撞率图在所述二维空间内定义多个网格点，
对各网格点分别决定了碰撞率，
各网格点上的碰撞率表示当所述车辆举动控制部以使所述车辆从与该网格点对应的位置和速度进行减速并停止于所述目标停止位置的方式以所述最大减速度为上限对所述车辆指示了减速度时所述车辆与所述障碍物碰撞的概率。
3.根据权利要求1所述的车辆控制装置，其特征在于，
所述行动方案生成部在所述车辆的现在的位置和速度处于所述碰撞率图上所示的低碰撞率区域内的情况下，作为现在的行动方案而生成维持自动驾驶的速度并容许急制动的行动方案，该低碰撞率区域是碰撞率低于比所述规定的目标碰撞率低的第1阈值的区域，
在所述车辆的现在的位置和速度处于所述碰撞率图上的高碰撞率区域内的情况下，作为现在的行动方案而生成实施预备制动的行动方案，该高碰撞率区域是碰撞率低于所述规定的目标碰撞率且是为所述第1阈值以上的第2阈值以上的区域，该预备制动为，重复短时间的制动来避免急制动。
4.根据权利要求2所述的车辆控制装置，其特征在于，
所述距离检测部具有多个传感器，
所述探测信息包括：表示所述多个传感器中探测到所述障碍物的传感器的组合的传感器构成；通过所述传感器构成探测到的探测距离；和由所述传感器构成连续地持续探测到的探测时间，
以使基于如下指示值达成概率密度分布与如下误差分布之间的重叠而算出的碰撞率等于所述规定的目标碰撞率的方式决定所述目标停止位置，该指示值达成概率密度分布是在欲使车辆停止于所述目标停止位置而从所述车辆举动控制部向所述车辆指示了所述最大减速度的情况下车辆实际停止的位置的概率密度分布，该误差分布以所述探测距离所示的位置为中心来分布且表示离所述障碍物的真正距离与所述探测距离之间的差异的概率分布，
所述指示值达成概率密度分布是基于由所述车辆执行基于对所述车辆指定的减速度进行的停止动作而预先计测出的、所述车辆的车辆停止特性，而对于所述最大减速度推定出的分布，
所述误差分布是根据在离对象物的距离的真值是已知的状况下使用所述距离检测部预先计测出的、所述距离检测部的距离检测特性，而对于所述传感器构成、所述探测距离和所述探测时间推定出的分布。
5.根据权利要求4所述的车辆控制装置，其特征在于，
所述碰撞率图中，碰撞率图上的网格点(Gxc，Gvc)处的碰撞率pc(Gxc，Gvc)是通过如下公式(I)求出的，
公式(I)中，
表示网格点(Gxc，Gvc)中由所述距离检测部检测到所述障碍物的检测率，
表示网格点(Gxc，Gvc)中由所述距离检测部在距离/>均位置检测到所述障碍物的概率，
pc(gxn，gvn)表示当所述车辆举动控制部以使所述车辆从网格点(Gxc，Gvc)停止在所述目标停止位置的方式向车辆指示了减速度a时可能会转移到的碰撞率图上的点(gxn，gvn)处的碰撞率，
p(∈α)表示不确定性εα所取的概率，该不确定性εα表示车辆实际执行的减速度与所述减速度a的指示之差，
所述碰撞率图上的所述点(gxn，gvn)是通过对所述减速度a加上所述不确定性εα的运算而求出的点，
所述碰撞率图上的速度＝0的网格点上的碰撞率是基于事先对所述距离检测部的特性进行计测得到的结果而付与的，所述碰撞率图上的位置为所述探测距离且速度＝0以外的网格点上的碰撞率被付与了规定的值，
pc(gxn，gvn)的值是通过基于所述点(gxn，gvn)附近的网格点上的碰撞率以近似的方式求值的运算而求出的值，
公式(I)的求和运算从与速度＝0且位置＝探测距离对应的网格点在速度增加的方向上及/或位置从探测距离接近所述车辆的方向上反复进行，由此求出碰撞率图的网格点(Gxc，Gvc)处的碰撞率。
6.根据权利要求5所述的车辆控制装置，其特征在于，
概率p(∈α)具有基于事先计测出的车辆的特性而决定的正态分布。
7.根据权利要求1至6中任一项所述的车辆控制装置，其特征在于，
所述行动方案生成部具有存储多个碰撞率图的碰撞率图存储部，该多个碰撞率图是根据对所述车辆指示了某一减速度的情况下测定停止位置的流程的结果、在离对象物的距离的真值是已知的状况下对由所述距离检测部执行的对象物探测的特性进行计测的流程的结果、和所述规定的目标碰撞率而求出的，
所述碰撞率图设定部基于所述最大减速度和所述探测信息而选择所述碰撞率图存储部内储存的所述多个碰撞率图中的一个，并将其决定为要使用的碰撞率图。
8.根据权利要求1至6中任一项所述的车辆控制装置，其特征在于，
所述碰撞率图设定部基于表示所述车辆和所述距离检测部的特性的参数、所述规定的目标碰撞率、所述最大减速度、和所述探测信息在行驶中实时运算，由此决定所述碰撞率图，
所述参数是根据对所述车辆指示了某一减速度的情况下测定停止位置的流程的结果、在离对象物的距离的真值是已知的状况下对由所述距离检测部执行的对象物探测的特性进行计测的流程的结果而导出的。
9.根据权利要求8所述的车辆控制装置，其特征在于，
所述行动方案生成部具有将所述碰撞率图设定部在行驶中实时计算出的所述碰撞率图存储的碰撞率图存储部，
所述碰撞率图设定部在所述碰撞率图存储部内存储有与所述规定的目标碰撞率、所述最大减速度、和所述探测信息对应的碰撞率图的情况下，将所述碰撞率图存储部内存储的所述碰撞率图决定为要使用的碰撞率图。
10.根据权利要求1或2所述的车辆控制装置，其特征在于，
所述距离检测部具有用于探测障碍物的多个传感器，
所述探测信息包括：表示所述多个传感器中探测到所述障碍物的传感器的组合的传感器构成；和由所述传感器构成探测到的探测距离，
在仅由所述多个传感器中的一部分传感器探测到所述障碍物的情况且所述探测距离为规定的距离阈值以上的情况下，所述行动方案生成部作为现在的行动方案而生成视为所述障碍物不存在并实施巡航动作的行动方案，
在仅由所述多个传感器中的一部分传感器探测到所述障碍物的情况且所述探测距离小于所述规定的距离阈值的情况下，所述行动方案生成部作为现在的行动方案而生成视为存在所述障碍物并实施预备制动的行动方案。
11.一种车辆控制方法，其通过基于车辆的自动驾驶的行动方案至少控制所述车辆的速度的车辆举动控制部来控制车辆，所述车辆控制方法的特征在于，包括如下步骤：
设定所述车辆的自动驾驶中的最大减速度的步骤；
探测所述车辆与障碍物之间的距离并获得与所述障碍物的探测相关的信息即探测信息的步骤；
当探测到障碍物时决定在位置和速度的二维空间内表示碰撞率的分布的二维图、即碰撞率图的步骤，该碰撞率表示所述车辆与所述障碍物之间的碰撞可能性；和
基于已决定的所述碰撞率图、规定的目标碰撞率、所述车辆的现在的位置和速度来至少控制所述车辆的速度的步骤，
所述探测信息包括：表示多个传感器中探测到所述障碍物的传感器的组合的传感器构成；通过所述传感器构成探测到的探测距离；和由所述传感器构成连续地持续探测到的探测时间，
所述碰撞率图是以基于规定的目标碰撞率、所述最大减速度、以及所述探测信息的组合而设定的目标停止位置为前提制作的，
所述碰撞率图在所述二维空间内定义多个网格点，
对各网格点分别决定了碰撞率，
各网格点上的碰撞率表示当所述车辆举动控制部以使所述车辆从与该网格点对应的位置和速度进行减速并停止于所述目标停止位置的方式以所述最大减速度为上限对所述车辆指示了减速度时所述车辆与所述障碍物碰撞的概率。
CN202110323097.XA 2020-03-30 2021-03-26 车辆控制装置以及车辆控制方法 Active CN113525358B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2020061378 2020-03-30
JP2020-061378 2020-03-30
JP2021-050544 2021-03-24
JP2021050544A JP2021160714A (ja) 2020-03-30 2021-03-24 車両制御装置および車両制御方法

Publications (2)

Publication Number Publication Date
CN113525358A CN113525358A (zh) 2021-10-22
CN113525358B true CN113525358B (zh) 2023-07-28

Family

ID=78002333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110323097.XA Active CN113525358B (zh) 2020-03-30 2021-03-26 车辆控制装置以及车辆控制方法

Country Status (2)

Country Link
JP (1) JP2021160714A (zh)
CN (1) CN113525358B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114244834B (zh) * 2021-11-02 2023-11-21 北京汽车研究总院有限公司 车辆的车载边缘计算系统及方法
CN117635010A (zh) * 2023-10-25 2024-03-01 北京汇通天下物联科技有限公司 车辆事故识别方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016137835A (ja) * 2015-01-28 2016-08-04 本田技研工業株式会社 車両用走行制御装置
KR20180006635A (ko) * 2016-07-11 2018-01-19 주식회사 만도 교차로 충돌 회피 시스템 및 그 제어 방법
CN108282512A (zh) * 2017-01-04 2018-07-13 本田技研工业株式会社 用于使用车辆通信进行车辆控制的系统和方法
CN108944923A (zh) * 2017-05-24 2018-12-07 丰田自动车株式会社 碰撞回避控制装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5029219B2 (ja) * 2007-08-27 2012-09-19 トヨタ自動車株式会社 走行計画生成装置
JP4615038B2 (ja) * 2008-06-23 2011-01-19 日立オートモティブシステムズ株式会社 画像処理装置
JP4614005B2 (ja) * 2009-02-27 2011-01-19 トヨタ自動車株式会社 移動軌跡生成装置
JP5656732B2 (ja) * 2011-05-02 2015-01-21 株式会社デンソー 衝突確率演算装置、および衝突確率演算プログラム
US9862364B2 (en) * 2015-12-04 2018-01-09 Waymo Llc Collision mitigated braking for autonomous vehicles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016137835A (ja) * 2015-01-28 2016-08-04 本田技研工業株式会社 車両用走行制御装置
KR20180006635A (ko) * 2016-07-11 2018-01-19 주식회사 만도 교차로 충돌 회피 시스템 및 그 제어 방법
CN108282512A (zh) * 2017-01-04 2018-07-13 本田技研工业株式会社 用于使用车辆通信进行车辆控制的系统和方法
CN108944923A (zh) * 2017-05-24 2018-12-07 丰田自动车株式会社 碰撞回避控制装置

Also Published As

Publication number Publication date
CN113525358A (zh) 2021-10-22
JP2021160714A (ja) 2021-10-11

Similar Documents

Publication Publication Date Title
US10783789B2 (en) Lane change estimation device, lane change estimation method, and storage medium
US10324464B2 (en) Vehicle control system, vehicle control method, and vehicle control program
US10960879B2 (en) Vehicle control system, vehicle control method, and vehicle control program
JP6523361B2 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
US11242055B2 (en) Vehicle control system and vehicle control method
US20170313321A1 (en) Vehicle control system, vehicle control method, and vehicle control program
US11225249B2 (en) Vehicle control device, vehicle control method, and storage medium
CN108688660B (zh) 运行范围确定装置
US11801867B2 (en) Vehicle control device and vehicle control method
WO2018122966A1 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
US20200298876A1 (en) Vehicle control system, vehicle control method, and vehicle control program
JP6601696B2 (ja) 予測装置、予測方法、およびプログラム
CN112208533B (zh) 车辆控制系统、车辆控制方法及存储介质
WO2018122973A1 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
US10858014B2 (en) Vehicle control system, vehicle control method, and storage medium
JPWO2018131290A1 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
CN111762183B (zh) 车辆控制装置、车辆和车辆控制方法
CN110053617A (zh) 车辆控制装置、车辆控制方法及存储介质
US11755022B2 (en) Vehicle control device
WO2018179958A1 (ja) 車両制御システム、車両制御方法、および車両制御プログラム
CN113320541B (zh) 车辆控制装置、车辆控制方法及存储介质
CN113525358B (zh) 车辆控制装置以及车辆控制方法
JPWO2018142566A1 (ja) 通過ゲート決定装置、車両制御システム、通過ゲート決定方法、およびプログラム
JP7048833B1 (ja) 車両制御装置、車両制御方法、およびプログラム
US11273825B2 (en) Vehicle control device, vehicle control method, and storage medium

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