CN114126940A - 电子控制装置 - Google Patents
电子控制装置 Download PDFInfo
- Publication number
- CN114126940A CN114126940A CN202080052275.3A CN202080052275A CN114126940A CN 114126940 A CN114126940 A CN 114126940A CN 202080052275 A CN202080052275 A CN 202080052275A CN 114126940 A CN114126940 A CN 114126940A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- angle region
- potential
- dead angle
- risk
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 48
- 238000000034 method Methods 0.000 description 30
- 230000006399 behavior Effects 0.000 description 26
- 230000006854 communication Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 26
- 238000004891 communication Methods 0.000 description 25
- 230000002123 temporal effect Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9315—Monitoring blind spots
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9323—Alternative operation using light waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9327—Sensor installation details
- G01S2013/93271—Sensor installation details in the front of the vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9327—Sensor installation details
- G01S2013/93272—Sensor installation details in the back of the vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明的搭载于车辆中的电子控制装置具备:死角区域确定部,其确定不包含在所述车辆中搭载的传感器的检测范围内的死角区域;信息获取部,其获取包含所述死角区域的所述车辆周边的道路的车道信息;以及死角区域危险事件判定部,其根据所述死角区域的车道信息和所述死角区域相对于所述车辆的道路上的位置关系来判断可能存在于所述死角区域内的潜在性障碍物的设想行为。
Description
技术领域
本发明涉及电子控制装置。
背景技术
近年来,为了实现车辆的舒适且安全的驾驶辅助或自动驾驶,提出有对潜藏在识别车辆周边环境的传感器的死角区域内的风险进行判断的技术。例如,专利文献1中揭示了一种设定假定存在于死角区域内的假想移动体来算出碰撞概率的方法。
现有技术文献
专利文献
专利文献1:日本专利特开2012-104029号公报
发明内容
发明要解决的问题
在专利文献1记载的发明中,在推断假定存在于死角区域内的假想移动体的种类后,根据假想移动体的种类来推断假想移动体的速度。然而,可能存在于死角区域内的潜在性障碍物的行为根据该死角区域所处的环境而不同。因此,在像专利文献1那样仅根据假想移动体的种类来设定速度而算出碰撞概率的方法中,无法恰当地判断可能存在于死角区域内的潜在性障碍物的行为,所以有过低评价风险而导致危险的驾驶辅助或自动驾驶之虞。
解决问题的技术手段
本发明的电子控制装置搭载于车辆中,其具备:死角区域确定部,其确定不包含在所述车辆中搭载的传感器的检测范围内的死角区域;信息获取部,其获取包含所述死角区域的所述车辆周边的道路的车道信息;以及死角区域危险事件判定部,其根据所述死角区域的车道信息和所述死角区域相对于所述车辆的道路上的位置关系来判断可能存在于所述死角区域内的潜在性障碍物的设想行为。
发明的效果
根据本发明,能够恰当地判断可能存在于死角区域内的潜在性障碍物的行为。
附图说明
图1为表示包含本发明的实施方式的行驶控制装置的车辆系统的构成的功能框图。
图2为死角区域数据组的说明图。
图3为表示行驶控制装置所实现的功能的相关关系的图。
图4为说明死角区域危险事件判定部中执行的处理的流程图。
图5为表示危险事件模型决定表的一例的图。
图6为表示与车辆系统的第1动作例相对应的行驶场景的图。
图7为表示第1动作例的行驶场景下的死角区域危险事件数据组的一例的图。
图8为表示第1动作例的行驶场景下的潜在障碍物数据组的一例的图。
图9为表示第1动作例的行驶场景的车道上的各位置上的潜在障碍物与自身车辆的推断到达时间的关系的图。
图10为表示第1动作例的行驶场景下的潜在危险度图数据组的一例的图。
图11为表示第1动作例的行驶场景下自身车辆可取的行驶路径候选与潜在危险度的关系的图。
图12为表示第1动作例的行驶场景下的行驶路径候选和目标速度的算出方法的一例的图。
图13为表示与车辆系统的第2动作例相对应的第1个行驶场景的图。
图14为表示第2动作例的第1个行驶场景下的潜在障碍物数据组和潜在危险度图数据组的一例的图。
图15为表示第2动作例的第1个行驶场景的车道上的各位置上的潜在障碍物与自身车辆的推断到达时间的关系的图。
图16为表示与车辆系统的第2动作例相对应的第2个行驶场景的图。
图17为表示第2动作例的第2个行驶场景的车道上的各位置上的潜在障碍物与自身车辆的推断到达时间的关系的图。
具体实施方式
下面,使用附图,对本发明的实施方式进行说明。
(系统构成)
图1为表示包含本发明的实施方式的行驶控制装置3的车辆系统1的构成的功能框图。车辆系统1搭载于车辆2中。车辆系统1在识别车辆2周边的行驶道路和周边车辆等障碍物的状况的基础上进行恰当的驾驶辅助或行驶控制。如图1所示,车辆系统1是包含行驶控制装置3、外界传感器组4、车辆传感器组5、地图信息管理装置6、执行器组7、HMI装置组8以及外部通信装置9而构成。行驶控制装置3、外界传感器组4、车辆传感器组5、地图信息管理装置6、执行器组7、HMI装置组8以及外部通信装置9由车载网络N相互连接。再者,为了与其他车辆相区别,以下有时也将车辆2称为“自身车辆”2。
行驶控制装置3是搭载于车辆2中的ECU(Electronic Control Unit)。行驶控制装置3根据从外界传感器组4、车辆传感器组5、地图信息管理装置6、外部通信装置9等提供的各种输入信息来生成车辆2的驾驶辅助或自动驾驶用的行驶控制信息,并输出至执行器组7和HMI装置组8。行驶控制装置3具有处理部10、存储部30以及通信部40。
处理部10例如是包含作为中央运算处理装置的CPU(Central Processing Unit)而构成。但也可除了CPU之外还包含GPU(Graphics Processing Unit)、FPGA(Field-Programmable Gate Array)、ASIC(Application Specific Integrated Circuit)等而构成,也可由任一方构成。
处理部10具有信息获取部11、死角区域确定部12、死角区域危险事件判定部13、潜在障碍物生成部14、潜在危险度图生成部15、行驶控制计划部16以及信息输出部17作为其功能。处理部10通过执行存储部30中存放的规定动作程序来实现这些功能。
信息获取部11经由车载网络N从连接于行驶控制装置3的其他装置获取各种信息,并存放至存储部30。例如,获取外界传感器组4所检测到的车辆2周边的障碍物和与外界传感器组4的检测区域相关的信息,并作为传感器识别数据组31存放至存储部30。此外,获取与车辆传感器组5等所检测到的车辆2的运动和状态等与行为相关联的信息,并作为车辆信息数据组32存放至存储部30。此外,从地图信息管理装置6、外部通信装置9等获取与与车辆2的行驶环境相关联的信息,并作为行驶环境数据组33存放至存储部30。
死角区域确定部12根据由信息获取部11获取并存放到存储部30中的传感器识别数据组31在车辆2周边确定不包含在外界传感器组4的检测范围内的死角区域。传感器识别数据组31例如可借助OGM(Occupancy Grid Map)之类的网格状图表现等来表现死角区域本身,也可像外界传感器组4的检测范围(角度、距离等)与检测信息的组那样表现确定死角区域所需的信息。所谓外界传感器组4的检测信息,例如为LiDAR(Light Detection AndRanging)或RADAR(Radio Detection And Ranging)所获取的点云数据。死角区域确定部12所确定的各死角区域的信息作为死角区域数据组34存放至存储部30。
死角区域危险事件判定部13根据由信息获取部11获取并存放到存储部30中的行驶环境数据组33来判定死角区域确定部12所确定的死角区域内的代表性的危险事件。所谓死角区域内的代表性的危险事件,例如在假定该死角区域内存在障碍物的情况下,是该障碍物可能采取的场所与行为的组合中认为对于车辆2而言最危险的组合。障碍物的行为中包含可能存在于死角区域内的障碍物的行动、行进方向、速度等行驶参数。死角区域危险事件判定部13给出的危险事件的判定结果作为死角区域危险事件数据组35存储至存储部30。
潜在障碍物生成部14根据死角区域危险事件判定部13给出的各死角区域内的危险事件的判定结果来生成采取相当于该危险事件的行为的假想性障碍物作为可能存在于该死角区域内的潜在性障碍物。以下,将该潜在性障碍物称为“潜在障碍物”。潜在障碍物生成部14所生成的潜在障碍物的信息作为潜在障碍物数据组36存储至存储部30。
潜在危险度图生成部15根据潜在障碍物生成部14所生成的潜在障碍物的设想行为和由信息获取部11获取并存放到存储部30中的车辆信息数据组32所表示的车辆2的行为来生成表现车辆2周边的每一场所的潜在性行驶危险度的潜在危险度图。潜在危险度图生成部15所生成的潜在危险度图的信息作为潜在危险度图数据组37存储至存储部30。
行驶控制计划部16根据潜在危险度图生成部15所生成的潜在危险度图等来计划车辆2应行驶的轨道,并以跟随该计划轨道的方式决定用于控制车辆2的执行器组7的控制指令值。行驶控制计划部16所决定的计划轨道和执行器组7的控制指令值的信息作为行驶控制数据组38存储至存储部30。
信息输出部17经由车载网络N对连接于行驶控制装置3的其他装置输出各种信息。例如,将行驶控制数据组38中包含的控制指令值输出至执行器组7而控制车辆2的行驶。此外,例如将传感器识别数据组31、潜在危险度图数据组37、行驶控制数据组38中包含的计划轨道等输出至HMI装置组8而呈现给车辆2的乘员。由此,在正在自动驾驶的车辆2中,可以将车辆系统1是如何解释周边行驶环境(传感器识别数据组31、潜在危险度图数据组37的显示)、计划的是何种行驶(行驶控制数据组38的计划轨道的显示)呈现给乘员。
存储部30例如是包含HDD(Hard Disk Drive)、闪存、ROM(Read Only Memory)等存储装置和RAM等存储器而构成。存储部30中存放供处理部10处理的程序和该处理所需的数据组等。此外,还作为处理部10执行程序时的主存储而用于暂时存放程序的运算所需的数据的用途。在本实施方式中,存储部30中存放传感器识别数据组31、车辆信息数据组32、行驶环境数据组33、死角区域数据组34、死角区域危险事件数据组35、潜在障碍物数据组36、潜在危险度图数据组37、行驶控制数据组38等作为用于实现行驶控制装置3的功能的信息。
所谓传感器识别数据组31,是与外界传感器组4给出的检测信息或检测状态相关的数据的集合。所谓检测信息,例如是外界传感器组4根据其感测信息确定的与车辆2周边的障碍物、路面标示、标识、交通信号灯等环境要素相关的信息或者外界传感器组4给出的车辆2周边的感测信息本身(LiDAR、RADAR的点云信息、摄像机图像、立体摄像机的视差图像等)。所谓检测状态,是表示该传感器所检测到的区域和其准确度的信息,例如包含OGM这样的网格状图等。
所谓车辆信息数据组32,是由车辆传感器组5等检测到的与车辆2的行为相关的数据的集合。所谓与车辆2的行为相关的数据,是表示车辆2的运动和状态等的信息,例如包含车辆2的位置、行驶速度、操舵角、加速的操作量、制动的操作量、行驶路径等信息。
所谓行驶环境数据组33,是与车辆2的行驶环境相关的数据的集合。所谓与行驶环境相关的数据,是与包含车辆2正在行驶的道路在内的车辆2周边的道路相关的信息。其中例如包含与构成车辆2周边的道路的车道的形状和属性(行进方向、限速、行驶规则等)相关的信息、交通信号灯信息、与各道路和车道的交通状态(平均速度等)相关的交通信息、基于过去事例等的统计性知识信息等。道路、车道的形状和属性之类的静态信息例如包含在从地图信息管理装置6等获取的地图信息中。另一方面,交通信号灯信息、交通信息、统计性知识信息之类的准动态或动态信息是经由外部通信装置9获取。所谓统计性知识信息,例如包含事故事例较多的地理性场所和时段、与该事故类型相关的信息等。
所谓死角区域数据组34,是与死角区域相关的数据的集合,该死角区域表示不包含在车辆2的外界传感器组4的检测范围内的区域,也就是外界传感器组4无法检测到感测信息的区域。与死角区域相关的数据的表现例在图2中于后文叙述。死角区域数据组34是由死角区域确定部12根据由信息获取部11获取到的传感器识别数据组31的信息来生成并存放。
所谓死角区域危险事件数据组35,是死角区域危险事件判定部13所判定的、与各死角区域内的代表性的危险事件相关的数据的集合。所谓与死角区域内的危险事件相关的数据,是在外界传感器组4无法识别的障碍物存在于死角区域内的情况下,与该障碍物与车辆2接触的危险性相关的信息。其中例如包含被判断可能存在于该死角区域内的障碍物的种类(车辆、行人、自行车等)和位置、该障碍物可能采取的行动(例如在车辆的情况下为车道跟随、车道变更、停车等)、该行动的参数(行进方向、速度、加速度等)等。死角区域危险事件数据组35是由死角区域危险事件判定部13根据由死角区域确定部12生成的死角区域数据组34、由信息获取部11获取到的行驶环境数据组33的信息来生成并存放。
所谓潜在障碍物数据组36,是外界传感器组4无法识别(例如存在于外界传感器组4的死角区域内而未被检测到)但认为可能潜在性地存在的假想性障碍物(潜在障碍物)相关的数据的集合。其中例如包含障碍物的种类、位置、速度、加速度、根据能设想的行动加以推断的预测轨道等。潜在障碍物数据组36是由潜在障碍物生成部14根据由死角区域危险事件判定部13生成的死角区域危险事件数据组35的信息来生成并存放。
所谓潜在危险度图数据组37,是在车辆2周边按每一场所来表示车辆2与潜藏在死角区域内的潜在障碍物发生碰撞的危险度的与潜在危险度图相关的数据。潜在危险度图是由潜在危险度图生成部15生成,例如以后文叙述那样的网格状图来表现。
所谓行驶控制数据组38,是与用于控制车辆2的行驶的计划信息相关的数据组,包含车辆2的计划轨道、输出至执行器组7的控制指令值等。行驶控制数据组38中的这些信息是由行驶控制计划部16生成并存放。
通信部40具有与经由车载网络N连接在一起的其他装置的通信功能。在信息获取部11经由车载网络N从其他装置获取各种信息时或者信息输出部17经由车载网络N向其他装置输出各种信息时,会利用该通信部40的通信功能。通信部40例如是包含遵循IEEE802.3或CAN(Controller Area Network)等通信规格的网卡等而构成。通信部40在车辆系统1中在行驶控制装置3与其他装置之间根据各种协议来进行数据的收发。
再者,在本实施方式中,通信部40和处理部10是分开记载的,但也可在处理部10中执行通信部40的处理的一部分。例如也可构成为:通信处理中的硬件设备部分位于通信部40中,这以外的设备驱动程序组和通信协议处理等位于处理部10中。
外界传感器组4是检测车辆2周边的状态的装置的集合体。外界传感器组4例如有摄像机装置、毫米波雷达、LiDAR、声呐等。外界传感器组4检测距车辆2规定范围的障碍物、路面标示、标识、交通信号灯等环境要素,并将这些检测结果经由车载网络N输出至行驶控制装置3。所谓“障碍物”,例如是车辆2以外的车辆即其他车辆、行人、往道路的掉落物、路端等。所谓“路面标示”,例如是白线、人行横道、停止线等。此外,外界传感器组4根据自身的感测范围和其状态还将检测状态相关的信息经由车载网络N输出至行驶控制装置3。
车辆传感器组5是检测车辆2的各种状态的装置的集合体。各车辆传感器例如检测车辆2的位置信息、行驶速度、操舵角、加速的操作量、制动的操作量等,并经由车载网络N输出至行驶控制装置3。
地图信息管理装置6是管理及提供车辆2周边的数字地图信息的装置。地图信息管理装置6例如由导航装置等构成。地图信息管理装置6例如具备包含车辆2周边的规定地域的数字道路地图数据,构成为根据从车辆传感器组5输出的车辆2的位置信息等来确定地图上的车辆2的当前位置也就是车辆2正在行驶的道路和车道。此外,将确定出的车辆2的当前位置及其周边的地图数据经由车载网络N输出至行驶控制装置3。
执行器组7是对决定车辆2的运动的操舵、制动、加速等控制要素进行控制的装置组。执行器组7根据驾驶员所产生的方向盘、制动踏板、加速踏板等的操作信息、从行驶控制装置3输出的控制指令值来控制操舵、制动、加速等控制要素的运动,由此控制车辆2的行为。
HMI装置组8是用于进行来自驾驶员或乘员的对车辆系统1的信息输入、来自车辆系统1的对驾驶员或乘员的信息通知的装置组。HMI装置组8中包含显示器、扬声器、振动器、开关等。
外部通信装置9是与车辆系统1外部进行无线通信的通信模块。外部通信装置9例如构成为能与向车辆系统1提供、配发服务的中心系统(未图示)和互联网通信。
图2为死角区域数据组34的说明图。图2的(a)为表示车辆2所处的状况的一例的图,图2的(b)为表示与图2的(a)相对应的死角区域图的例子的图。
在图2的(a)所示的例子中,车辆2的外界传感器组4由5个传感器构成。这各个传感器最大能分别检测存在于符号111~115的检测范围内的障碍物。但在存在障碍物的情况下,该障碍物远方的范围会被该障碍物遮蔽,所以即便是检测范围内,也无法检测是否存在更多障碍物。图2的(a)中,白色区域表示通过外界传感器组4检测到不存在障碍物的范围,划有影线的区域表示外界传感器组4无法检测障碍物的范围也就是成为外界传感器组4的死角的范围。
如图2的(a)所示,外界传感器组4的死角区域是外界传感器组4的检测范围外也就是符号121、122以及124所示的区域和被身为障碍物的其他车辆100遮蔽的区域123合在一起的区域。再者,外界传感器组4的检测范围外的死角区域大致分为像区域124那样因距外界传感器组4的距离远而产生的死角区域和像区域121及区域122那样本来就产生于外界传感器组4无法检测的方向的死角区域这2种。其中,由于外界传感器组4的检测范围根据天气状态等行驶环境而变化,所以因距离原因而产生的死角区域大多不固定。因此,较理想为根据车辆2的行驶环境来动态地算出外界传感器组4的检测范围而根据该算出结果来设定死角区域。
在图2的(a)所示的状况下,死角区域确定部12通过确定死角区域121~124相对于车辆2的位置及形状来制作例如图2的(b)所示的死角区域图130,并将表示死角区域图130的死角区域数据组34存放至存储部30。在图2的(b)的死角区域图130中,针对由以车辆2的当前位置为基准点的x-y坐标系所规定的规定区域,以网格状图的形式来表现以x、y分别为变量的坐标值(x,y)所表示的各位置上的外界传感器组4的检测状态。该死角区域图130相当于图2的(a)的死角区域121~124的网格图(OGM)。
在死角区域数据组34中,各位置上的外界传感器组4的检测状态例如以“有障碍物(已检测)”“无障碍物(已检测)”“不明(未检测)”这3个值来表现。在图2的(b)所示的死角区域图130中,设定在车辆100周围的黑色区域表示“有障碍物(已检测)”,与图2的(a)的死角区域121~124相对应的影线区域表示“不明(未检测)”。此外,这以外的白色区域也就是从图2的(a)的检测范围111~115去掉车辆100周围和死角区域123后的区域表示“无障碍物(已检测)”。
再者,图2的(b)中展示的是以3个值来表示外界传感器组4的检测状态的死角区域图130的例子,但也能以连续值(0~1的小数)来表示存在障碍物的概率而代替传感器的检测状态这样的离散值,由此来表现死角区域图。此外,死角区域数据组34能以图2的(b)所示那样的网格状图的栅格单位来表现死角区域的位置和形状,也能以多个栅格的集合体来表现。进而,死角区域数据组34也能以网格状图以外的形式来表现死角区域的位置和形状。例如,能以与各死角区域相对应的图形的边和顶点的位置、形状等来表现图2的(a)的死角区域122~124的位置和形状。在本实施方式中的后面的说明中,为了简化说明,通过死角区域图上的位置和形状而不是网格状图的栅格单位来表现死角区域数据组34的各死角区域。
接着,使用图3~图17,对本实施方式的车辆系统1的动作进行说明。
行驶控制装置3根据从外界传感器组4等获取到的信息来判断存在于车辆2周围的各死角区域内的潜在障碍物的风险,并生成将该判断结果作图得到的潜在危险度图。继而,使用生成的潜在危险度图来设定车辆2的计划轨道,生成用于进行车辆2的行驶控制的控制指令值并输出至执行器组7。执行器组7按照行驶控制装置3所输出的控制指令值来控制车辆2的各执行器。由此,实现车辆2的行驶控制。此外,在车辆2的行驶控制时,行驶控制装置3生成HMI信息作为应通知驾驶员或乘员的信息并输出至HMI装置组8。由此,能让驾驶员认识到行驶上的风险而促进安全驾驶、能将自动行驶中的车辆系统1的状态呈现给驾驶员或乘员。
图3为表示行驶控制装置3所实现的功能的相关关系的图。行驶控制装置3例如构成为以图3所示的顺序执行图1所示的信息获取部11、死角区域确定部12、死角区域危险事件判定部13、潜在障碍物生成部14、潜在危险度图生成部15、行驶控制计划部16以及信息输出部17的处理。例如每隔100ms定期执行一系列处理。
信息获取部11经由车载网络N从其他装置获取必要信息并存放至存储部30。具体而言,从外界传感器组4获取传感器识别数据组31的信息、从车辆传感器组5获取车辆信息数据组32的信息、从地图信息管理装置6及外部通信装置9获取行驶环境数据组33的信息,并存放至存储部30而交给后级的处理部。
死角区域确定部12进行根据信息获取部11所获取到的传感器识别数据组31来生成死角区域数据组34的处理,并存放至存储部30而交给死角区域危险事件判定部13和潜在危险度图生成部15。此时,在传感器识别数据组31中包含相当于死角区域数据组34的信息(例如OGM)的情况下,可以通过对该信息施加必要的修正(坐标变换、时刻修正等)来生成死角区域数据组34。另一方面,在传感器识别数据组31中仅包含外界传感器组4按规定的每一处理周期检测到的状态的信息例如检测范围(角度、距离等)和检测信息的情况下,较理想为与上一次处理周期内生成的死角区域数据组34组合来推断概率上可能性最高的检测状态,根据该推断结果来判断死角区域,由此来生成本次的死角区域数据组34。
死角区域危险事件判定部13进行根据死角区域确定部12所生成的死角区域数据组34和信息获取部11所获取到的行驶环境数据组33来判定死角区域的危险事件的处理。本处理的详情将使用图4和图5于后文叙述。继而,根据处理结果来生成死角区域危险事件数据组35,并存放至存储部30而交给潜在障碍物生成部14。
潜在障碍物生成部14进行如下处理:根据死角区域危险事件判定部13所生成的死角区域危险事件数据组35对各死角区域设定符合该危险事件的假想性障碍物即潜在障碍物,生成该潜在障碍物的信息即潜在障碍物数据组36。继而,将生成的潜在障碍物数据组36存放至存储部30而交给潜在危险度图生成部15。
潜在危险度图生成部15根据死角区域确定部12所生成的死角区域数据组34、潜在障碍物生成部14所生成的潜在障碍物数据组36、以及信息获取部11所获取到的车辆信息数据组32来算出各死角区域的潜在障碍物所带来的潜在危险度。继而进行如下处理:对车辆2周围设定与潜在危险度相应的潜在危险度图,生成该潜在危险度图的信息即潜在危险度图数据组37。本处理的详情将使用图9和图10于后文叙述。潜在危险度图生成部15将生成的潜在危险度图数据组37存放至存储部30而交给行驶控制计划部16和信息输出部17。
行驶控制计划部16根据潜在危险度图生成部15所生成的潜在危险度图数据组37、信息获取部11所获取到的传感器识别数据组31、车辆信息数据组32、行驶环境数据组33等来计划车辆2的行驶控制的轨道,并生成用于跟随该轨道的控制指令值等。继而,进行根据生成的车辆2的计划轨道和控制指令值来生成行驶控制数据组38的处理。行驶控制计划部16将生成的行驶控制数据组38存放至存储部30而交给信息输出部17。
信息输出部17根据行驶控制计划部16所生成的行驶控制数据组38将控制指令值输出至执行器组7。此外,根据信息获取部11所获取到的传感器识别数据组31、潜在危险度图生成部15所生成的潜在危险度图数据组37、行驶控制计划部16所生成的行驶控制数据组38等将用于向乘员呈现车辆2周边的行驶环境和计划轨道的信息输出至HMI装置组8。
(死角区域危险事件判定处理)
图4为说明图1、图3的死角区域危险事件判定部13中执行的处理的流程图。首先,在步骤S301中,死角区域危险事件判定部13从存储部30获取死角区域确定部12所确定的死角区域数据组34和信息获取部11所获取到的行驶环境数据组33。以下,以由死角区域确定部12确定n个死角区域A1~An、由死角区域数据组34表示这些死角区域A1~An的形式对图4的流程图进行说明。
然后,在步骤S302中,死角区域危险事件判定部13对步骤S301中获取到的行驶环境数据组33与死角区域数据组34进行对照,由此确定各死角区域A1~An内的行驶环境状态描述。所谓行驶环境状态描述,是与死角区域内的行驶环境相关的信息。例如包含死角区域内的车道的形状和属性(行进方向、限速、行驶规则、车道变更可否等)、人行横道区域、与该车道和人行横道区域相关联的交通信号灯信息、交通状态(平均速度等)、该死角区域周边的障碍物的状态、与该死角区域相关的统计性知识信息等。
然后,在步骤S303中,死角区域危险事件判定部13针对各死角区域A1~An内的各范围要素而根据步骤S302中确定的行驶环境状态描述来判定危险事件模型r1~rn。继而,在接下来的步骤S304中,死角区域危险事件判定部13判定步骤S303中根据行驶环境状态描述判定的各危险事件模型r1~rn的发生可能性。所谓危险事件模型,其表示若存在于相应死角区域内则觉得比较危险的障碍物的种类和行动的模式。即,步骤S303、S304的处理意指根据死角区域所处的行驶环境的推断结果来判断该死角区域内潜藏有何种障碍物、该障碍物是否可能采取何种行动。再者,上文中是针对死角区域A1~An以一对一的方式判定危险事件模型r1~rn,但也可针对1个死角区域而判定多个危险事件模型。
下面,对步骤S303、S304的处理的具体例进行说明。例如,在死角区域为人行横道区域的情况下,设想自行车在该死角区域内横穿人行横道这一危险事件模型。也可设想行人作为危险事件模型,但通过设想最危险的事件,对于其他危险事件也能应对,所以优选以来自死角区域的冲出速度最猛的自行车来进行设想。关于该危险事件模型的发生可能性,例如根据与该人行横道相关联的行人用交通信号灯的状态来进行判断。在行人用交通信号灯刚变成绿色或红色之后的情况下,行人或自行车横穿的可能性高,相对于此,在红色已保持了一定时间的情况下,横穿的可能性低。这样的判断尤其是在车辆2于路口左右转之类的情况下比较有用。
此外,例如在死角区域挨着人行道区域的情况下,设想行人向车道冲出的危险事件模型。关于危险事件模型的发生可能性,例如根据该死角区域周边是否存在驻停车辆(尤其是公共汽车和出租汽车这样的车辆)来进行判断。在存在驻停车辆的情况下,能够判断从该车辆下来的人或者欲乘车的人强行横穿道路的可能性升高。此外,学校区域和统计上事故多发的知识信息也能成为判断该危险事件模型的发生可能性高的材料。
在潜在障碍物为车辆的情况下,与行人或自行车等情况相比,与行驶环境相应的行为的变化幅度大。因此,在以共通的方式处理行为的情况下,车辆受到的影响尤其大,导致错误的判断的危险性高。确定与车辆相关的危险事件模型的处理的详情将在图5中于后文叙述。
接着,在步骤S305中,死角区域危险事件判定部13生成分别对应于步骤S303中判定的危险事件模型r1~rn的危险事件信息R1~Rn。在步骤S303的危险事件模型r1~rn的判定中,仅确定各死角区域A1~An内的潜在障碍物的种类和行动的模式,而在步骤S305中,还根据行驶环境的动态方面(交通状态等)来决定该潜在障碍物的具体参数而反映到危险事件信息R1~Rn中。
再者,若无差别地评价所有死角区域的危险事件模型的风险,则有过度考虑风险的可能,所以在步骤S305的处理中,较理想为考虑步骤S304中判定的每一危险事件模型的发生可能性来选择性地生成危险事件信息。例如,在步骤S305中仅将步骤S304中被判定发生可能性高的危险事件模型作为危险事件信息的生成对象。在该情况下,在上述基于人行横道区域的危险事件模型的例子中,在行人用交通信号灯刚变成绿色或红色之后的情况下生成相应的危险事件信息。或者,也可设定为将步骤S304中判定的发生可能性相关的信息添加到危险事件信息中,在后级的潜在障碍物的危险度判断时该发生可能性越高则危险度便越高,由此来考虑每一危险事件模型的发生可能性。
最后,在步骤S306中,死角区域危险事件判定部13将步骤S305中生成的危险事件信息R1~Rn存放至存储部30的死角区域危险事件数据组35。其后,结束死角区域危险事件判定部13的处理。
图5为图4的步骤S303中确定与车辆相关的危险事件模型用的危险事件模型决定表的一例。在图5的表中,将死角区域的车道相对于自身车辆2的位置和行进方向的关系沿横向进行分类,将死角区域相对于自身车辆2的道路上的位置关系(道路上前后关系)沿纵向进行分类。在图5的危险事件模型决定表中按这些分类的每一组合而设定有自身车辆2周围的各死角区域的潜在障碍物为车辆的情况下的各潜在障碍物的危险事件模型。
在存在于与自身车辆2相反的方向的车道上的死角区域内的潜在障碍物的情况下,最危险的是从死角朝自身车辆高速移动的对向车。但在自身车辆2的侧方或后方的死角区域的情况下,即便存在对向车,该对向车也会在与自身车辆不碰撞的情况下通过,所以没有对于自身车辆2的危险性。因此,如图5的列404所示,针对相反方向的车道,仅在道路上前后关系为“前方”的情况也就是道路上位于自身车辆2前方的死角区域的情况下决定“最大车速车道行驶”作为危险事件模型。另一方面,在道路上前后关系为“侧方”、“后方”的情况下,危险事件模型为“N/A”。这表示,对于道路上位于自身车辆2侧方或后方的死角区域不设定危险事件模型。再者,所谓“最大车速车道行驶”,意指在该车道内以能设想的最高速度行驶的车辆的模型。关于各车道的能设想的最高速度,例如可以根据行驶环境数据组33中包含的交通信息而考虑该车道所属的道路的法定速度和该车道的交通状态(拥堵状况)来进行判断。
图5中,所谓“前方”“侧方”“后方”,表示沿着道路的自身车辆2与死角区域的位置关系,并非一定表示空间上的位置关系。例如,在道路出现弯道的情况下,处于该道路上的行驶目标的死角区域在空间上有时也位于自身车辆2的侧方,而在这样的情况下,图5中也将该死角区域的位置关系处理为“前方”。此外,前方路口处的连接目标道路的死角区域也是一样的,不论与自身车辆2的空间上的位置关系如何都处理为“前方”。此外,在该情况下,关于死角区域的车道相对于自身车辆2的行进方向,将从该路口离开的行进方向的车道处理为“同一方向”,将去往该路口的行进方向的车道处理为“相反方向”。
在与自身车辆2同一方向的车道上的死角区域内的潜在障碍物的情况下,最危险的行驶速度根据相对于自身车辆2的道路上的位置关系而变化。具体而言,在道路上前后关系为“前方”的情况下,若不考虑逆行的可能性,则潜在障碍物的行驶速度为0的情况也就是停止车辆成为最危险的事件。另一方面,在道路上前后关系为“后方”的情况下,潜在障碍物的行驶速度高的情况也就是朝自身车辆2高速驶来的车辆是最危险的事件。此外,在道路上前后关系为“侧方”的情况下,潜在障碍物的行驶速度为相同程度的情况也就是长时间留在自身车辆2侧方的车辆是最危险的事件。
再者,在道路上前后关系为“侧方”的情况下,认为不仅是长时间留在自身车辆2侧方的车辆带有危险,相较于自身车辆2而以高速通过侧方的车辆也带有危险。然而,对于像这样与自身车辆2有速度差的车辆,若像图2那样在自身车辆2后侧方存在能以外界传感器组4加以检测的区域,则大多通过根据在该区域内检测到车辆时的信息进行追踪而将该车辆处理为显性障碍物信息。因而无须作为潜在性危险事件来考虑。另一方面,在没有像上述那样与自身车辆2的速度差的车辆的情况下,由于长时间隐藏在死角区域内,导致检测时的信息的追踪中断。因此,须作为死角区域的潜在性危险事件来考虑。此外,在自身车辆2后侧方不存在能以外界传感器组4加以检测的区域的情况也就是后侧方全部为死角区域的情况下,该死角区域也处理为“后方”。因此,也能考虑到相较于自身车辆2而高速通过侧方的车辆的危险性。
此外,在存在多条与自身车辆2同一方向的车道的情况下,车辆可能会进行车道变更。因此,作为危险事件模型,除了跟随同一车道的车辆的模型以外,还须考虑进行车道变更的车辆的模型。其中,能进行车道变更的区域是由车道交界线的线类别和标识规定的。因此,关于可以根据行驶环境数据组33来判断不可进行车道变更的区域,较理想为在图4的步骤S304中将车辆在该区域内进行车道变更的危险事件模型的发生可能性判断为低,并在接下来的步骤S305中抑制危险事件信息的生成或者较低地评价其危险度。
在图5的危险事件模型决定表中,根据如以上说明过的思路、像列401~403那样设定以潜在障碍物的形式存在于与自身车辆2同一方向的车道上的死角区域内的其他车辆的危险事件模型。再者,图5的危险事件模型决定表用于判断其他车辆对自身车辆2的危险性,所以考虑了去往与自身车辆2同一车道或邻接车道的方向的车道变更,其他方向的车道变更则不予考虑。
例如,在道路上前后关系为“前方”的情况下,如前文所述,停止车辆是最危险的事件,而在其他车辆进行车道变更的情况下,其他车辆需要一定程度的速度。因此,在图5的表中,与对应于同一车道跟随的危险事件模型即“停止”一起设定有“低车速车道变更”作为对应于车道变更的危险事件模型。
再者,图5的表中排除了不可能因与自身车辆2的存在的关系而发生的危险事件模型。具体而言,在车道的位置为“同一车道”而且道路上前后关系为“侧方”的情况下,自身车辆2与其他车辆的存在区域重复,所以未设定危险事件模型。此外,在车道的位置为“同一车道”而且道路上前后关系为“后方”的情况下,若其他车辆持续同一车道的行驶,则自身车辆2会妨碍其他车辆的行驶,所以未设定对应于同一车道跟随的危险事件模型。进而,在车道的位置为“邻接车道”而且道路上前后关系为“侧方”或“后方”的情况下,自身车辆2或遮蔽物会妨碍进行车道变更的其他车辆的行驶,所以未设定对应于车道变更的危险事件模型。
如以上所说明,死角区域危险事件判定部13根据死角区域确定部12所确定的各死角区域的车道信息和各死角区域相对于自身车辆2的道路上的位置关系来判断可能存在于各死角区域内的潜在性障碍物的设想行为,确定与该判断结果相应的危险事件模型并将危险事件信息存放至死角区域危险事件数据组35。由此,能判定各死角区域内的行驶环境的状态描述,并据此来恰当地推断潜藏在死角区域内的移动体的行为,所以在后级的处理中能恰当地评价死角区域所带来的潜在性风险。
接着,使用具体的行驶场景例对图1、图3的死角区域危险事件判定部13、潜在障碍物生成部14、潜在危险度图生成部15以及行驶控制计划部16的处理进行说明。
(第1动作例)
图6展示了与车辆系统1的第1动作例相对应的行驶场景。图6所示的行驶场景展示的是在与自身车辆2的行进方向同一方向上具有两车道(车道580、581)、在相反方向上具有一车道(车道582)的道路中自身车辆2正在车道581上行驶的场景。对于该行驶场景,由外界传感器组4针对与图2的(a)同样的检测范围510、511、512而获取传感器识别数据组31,不包含在这些检测范围510~512内的影线区域500被死角区域确定部12确定为死角区域。再者,车道580~582的形状和属性可以根据行驶环境数据组33来确定。
当死角区域确定部12的处理完成时,死角区域危险事件判定部13按照前文所述的图4所示的流程图来进行处理。下面,以在图4的处理中根据图5的危险事件模型决定表来判定第1动作例中的危险事件模型的形式进行说明。
死角区域危险事件判定部13在图4的步骤S301中首先获取与图6所示那样的行驶场景相对应的死角区域数据组34和行驶环境数据组33。在接下来的图4的步骤S302中,进行确定用于判定危险事件模型的死角区域的行驶环境状态描述的处理。此处,在使用图5的决定表的情况下,车道间的位置关系相当于死角区域的行驶环境状态描述。因此,在步骤S302中,从行驶环境数据组33中参考自身车辆2周边的车道信息,提取死角区域500与各车道区域相交的区域作为死角区域501~508。继而,对提取到的死角区域501~508各方绑定相应车道的位置关系的信息。具体而言,例如,在死角区域数据组34上扫描车道信息中包含的车道中心线的形状,探索死角区域501~508与非死角区域即检测范围510~512的交界,由此实现针对死角区域501~508的行驶环境状态描述的确定。图6中的星号551~558表示各车道中心线上的死角区域501~508与非死角区域的交界点。
然后,在图4的步骤S303中,死角区域危险事件判定部13判定各死角区域的危险事件模型。此处,参考图5的危险事件模型决定表,以如下方式判断与死角区域501~508的行驶环境状态描述分别相对应的危险事件模型。
关于死角区域501、504,车道相对于自身车辆2的行进方向为“同一方向”,道路上前后关系为“前方”。因此,根据图5的表而判定符合“停止”及“低车速车道变更”的危险事件模型。另一方面,关于死角区域502,车道相对于自身车辆2的行进方向和位置关系分别为“同一方向”、“邻接车道”,道路上的前后关系为“侧方”。再者,此处认为死角区域502不符合“后方”的判断基准。因此,根据图5的表而判定符合“相同程度车速车道行驶”的危险事件模型。
关于死角区域503,车道相对于自身车辆2的行进方向和位置关系分别为“同一方向”、“邻接车道”,道路上前后关系为“后方”。因此,根据图5的表而判定符合“最大车速车道行驶”的危险事件模型。此外,关于死角区域505,车道相对于自身车辆2的行进方向和位置关系分别为“同一方向”、“同一车道”,道路上前后关系为“后方”。因此,根据图5的表而判定符合“最大车速车道变更”的危险事件模型。
关于死角区域506,车道相对于自身车辆2的行进方向为“相反方向”,道路上前后关系为“前方”。因此,根据图5的表而判定符合“最大车速车道行驶”的危险事件模型。另一方面,关于死角区域507、508,车道相对于自身车辆2的行进方向为“相反方向”,道路上前后关系分别为“侧方”、“后方”。因此,根据图5的表而判定不存在符合的危险事件模型。
然后,在图4的步骤S304中,死角区域危险事件判定部13判定各危险事件模型的发生可能性。此处,参考行驶环境数据组33来确定各车道的属性,以如下方式判断各危险事件模型的发生可能性。
图6中,车道580与车道581的交界线从自身车辆2的后方到侧方是以实线来表现,从自身车辆2的侧方到前方是以虚线来表现。实线表示不可进行车道变更,虚线表示可以进行车道变更。因此可以判断,从车道581上的死角区域505向车道580的车道变更在法规上是不允许的。因而可以判断,步骤S303中被判定为死角区域505的危险事件模型的“最大车速车道变更”的发生可能性较低。
再者,死角区域501和死角区域504的“低车速车道变更”的危险事件模型在位置关系上分别与死角区域504和死角区域501的“停止”的危险事件模型重复,而且“停止”一方的危险度高。因此,对于这些危险事件模型,可判断发生可能性较低,以从后面的处理对象中排除。
最后,在图4的步骤S305中,死角区域危险事件判定部13生成与各危险事件模型相对应的危险事件信息。继而,在步骤S306中记录至存储部30的死角区域危险事件数据组35。此处,若将步骤S304中被判断发生可能性较低的危险事件模型从危险事件信息的生成对象中排除,则步骤S305中生成危险事件信息的危险事件模型与死角区域的组合为(“停止”、死角区域501)、(“相同程度车速车道行驶”、死角区域502)、(“最大车速车道行驶”、死角区域503)、(“停止”、死角区域504)、(“最大车速车道行驶”、死角区域506)这5个组。在第1动作例中,针对图6的行驶场景而生成这些组合相关的危险事件信息并记录至死角区域危险事件数据组35。
图7展示了第1动作例的行驶场景下生成、记录的死角区域危险事件数据组35的一例。图7的死角区域危险事件数据组35例如是包含死角区域的标识符即死角区域ID 801、障碍物类别802、危险事件模型803、最高速度时的参数804以及最低速度时的参数805而构成。再者,最高速度时的参数804和最低速度时的参数805分别由位置、速度、行进方向这各个信息构成。此外,危险事件模型803代表性地表现了对于自身车辆2而言最危险的潜在障碍物的场所和行为,但实际上障碍物的场所和行为可取各种范围。最高速度时的参数804和最低速度时的参数805用于需要明确展示这些范围的情况。
根据图7得知,例如死角区域502的潜在障碍物可取坐标552-1至坐标552-2之间。此时,在从最前方的坐标552-1起以可取的最高速度行驶的情况下,死角区域502的潜在障碍物在规定时间后的行驶位置能到达最远。将其称为上限。另一方面,在从最后方的坐标552-2起以可取的最低速度行驶的情况下,相同规定时间后的行驶位置会留得最近。将其称为下限。被该上限和下限的行驶位置包夹的范围就是死角区域502的潜在障碍物的存在可能范围。再者,图7中展示的是自身车辆2的速度为40km/h、与自身车辆2相同程度的车速设为±5km/h时的各死角区域的数据例。因而,在死角区域502的数据中,最高速度时的参数804中的速度设为45km/h、最低速度时的参数805中的速度设为35km/h。如此,在需要明确展示遵循危险事件模型的潜在障碍物的存在可能范围的情况下,设定最低速度时的参数。
另一方面,关于这以外的死角区域501、503、504、506,由于交界相对于车道而言仅存在单侧,所以无法像死角区域502那样利用上限和下限来规定范围(不存在上限或下限)。在这样的情况下,以最高速度时的参数804的形式设定单侧的交界信息,对于最低速度时的参数805则不作任何设定。此时,对最高速度时的参数804的位置分别设定各死角区域的交界点的坐标(图6的星号551、553、554、556),对速度分别设定与危险事件模型相应的值。例如,对危险事件模型为“停止”的死角区域501、504设定0km/h,对危险事件模型为“最大车速车道行驶”的死角区域503、506设定相应车道的法定速度+α。在图7的例子中,设想法定速度50km/h、α=10km/h,从而设定的是60km/h。再者,死角区域503、506内的法定速度可以根据行驶环境数据组33来决定。此时,也可根据行驶环境数据组33中包含的交通信息来判断死角区域503、506的交通状态而设定与该判断结果相应的最高速度。
此外,对各死角区域的行进方向分别设定相应车道的行进方向。例如,对死角区域501、502、503指定车道580的行进方向,对死角区域504指定车道581的行进方向,对死角区域504指定车道582的行进方向。
由此,死角区域危险事件判定部13的处理完成,生成图7所示那样的死角区域危险事件数据组35。然后,转移至潜在障碍物生成部14的处理。
潜在障碍物生成部14进行如下处理:使用通过死角区域危险事件判定部13的处理生成的死角区域危险事件数据组35来生成潜在障碍物,制作潜在障碍物数据组36。基本而言,以传感器识别数据组31的障碍物信息这样的数据形式将死角区域危险事件数据组35中设定的信息表现为假想性障碍物信息。
图8展示了第1动作例的行驶场景下生成、记录的潜在障碍物数据组36的一例。图8将按照图7的死角区域危险事件数据组35来生成并记录在潜在障碍物数据组36中的潜在障碍物851、852、853、854、856重叠展示在图6的行驶场景上。图8中展示有分别对应于图6的死角区域501、502、503、504、506的潜在障碍物851、852、853、854、856。再者,关于死角区域505、507、508,由于未包含在图7的死角区域危险事件数据组35中,所以不生成潜在障碍物。此外,作为死角区域502内的潜在障碍物852,表现有具有最高速度时的参数的潜在障碍物852-1和具有最低速度时的参数的潜在障碍物852-2这2个。
当潜在障碍物生成部14的处理完成时,转移至潜在危险度图生成部15的处理。下面,使用图9、图10,对潜在危险度图生成部15的处理进行说明。
潜在危险度图生成部15进行如下处理:使用通过潜在障碍物生成部14的处理生成的潜在障碍物数据组36来算出自身车辆2周围的各位置上各潜在障碍物所带来的潜在危险度,制作潜在危险度图数据组37。
图9展示了第1动作例的行驶场景的车道上的各位置上的潜在障碍物与自身车辆2的推断到达时间的关系。图9的(a)横向展示出图8所示的自身车辆2与各车道上的潜在障碍物的位置关系。图9的(b)~(d)展示出车道580~582各自按经过时间的各潜在障碍物和自身车辆2的位置。图9的(b)~(d)中,横轴表示车道上的位置,纵轴表示距当前时刻的经过时间。此外,可能存在各潜在障碍物的范围以影线表示,自身车辆2的设想位置的时间变化以黑实线表示。
潜在危险度图是表示在车辆2周边、车辆2与潜藏在死角区域内的潜在性障碍物发生碰撞的危险度的图。因此,生成潜在危险度图的对象范围优选设为车辆2能到达的范围。图9的(a)的黑框880表示基于运动特性的车辆2能到达的范围。在本动作例中,针对黑框880内的区域来生成潜在危险度图。
图9的(b)中,车道580上的潜在障碍物851、852-1、852-2、853的设想位置的时间变化分别表示在虚线861、862-1、862-2、863上。潜在障碍物852-1和852-2像上述那样分别表示死角区域502内的潜在障碍物852的存在可能范围的上限和下限,被与这些潜在障碍物相对应的2条虚线862-1、862-2围住的区域(影线区域872)相当于潜在障碍物852的存在可能范围。另一方面,潜在障碍物851速度为0而不存在上限,所以虚线861右侧(影线区域871)成为潜在障碍物851的存在可能范围。再者,图9的(b)中考虑到余量而在虚线861左侧也设定有影线区域871。此外,潜在障碍物853也是相对于上限的虚线863而言不存在下限侧,所以虚线863左上侧(影线区域873)成为潜在障碍物853的存在可能范围。
图9的(c)中,车道581上的潜在障碍物854的设想位置的时间变化表示在虚线864上。潜在障碍物854速度为0,其存在可能范围无上限,所以虚线864右侧(影线区域874)成为潜在障碍物854的存在可能范围。再者,图9的(c)中与图9的(b)一样,也考虑到余量而在虚线864左侧也设定有影线区域874。
图9的(d)中,车道582上的潜在障碍物856的设想位置的时间变化表示在虚线866上。展示了潜在障碍物856为对向车而以最大车速行驶的情况,其存在可能范围中,相对于下限的虚线866而言不存在上限,所以虚线866右上侧(影线区域876)成为潜在障碍物856的存在可能范围。
潜在危险度图的各位置(相当于网格图的各网格点)上的潜在危险度是根据该位置上可能存在潜在障碍物的时间范围与设想自身车辆2存在于该位置的时间范围的重叠情况来求出。例如,图9的(b)的横轴上所示的位置841上可能存在潜在障碍物的时间范围是表示潜在障碍物853的存在可能范围的影线区域873当中与位置841相对应的部分891-1和表示潜在障碍物852的存在可能范围的影线区域872当中与位置841相对应的部分891-2这2个。相对于此,表示自身车辆2的设想位置的时间变化的实线881内包在表示潜在障碍物852的存在时间范围的部分891-2中。也就是说,在位置841上,设想自身车辆2存在于该位置的时间范围与潜在障碍物852重叠,所以表示自身车辆2与潜在障碍物852有可能发生碰撞(潜在危险度)。
潜在危险度能以危险的有/无这2个值来表现,也能以规定阶段数的等级来表现(例如危险度高、中、低)。此外,也能以规定范围内的数值来表现(例如0~100)。在以数值来表现的情况下,在图4的死角区域危险事件判定部13的处理中,较理想为通过基于步骤S304中算出的发生可能性的权重常数w与表示潜在障碍物与自身车辆2的存在时间范围的重叠程度的重复度p的积来算出潜在危险度的值。关于上述重复度p,例如可以针对潜在障碍物的存在时间范围与自身车辆2的存在时间范围的距离d而根据d为0时取最大值、d越是增大值便越是减小的函数(例如高斯函数)来算出。
图10展示了第1动作例的行驶场景下生成、记录的潜在危险度图数据组37的一例。图10展示的是根据图9所示的潜在障碍物与自身车辆2的推断到达时间的关系来算出各潜在障碍物所带来的潜在危险度得到的结果。再者,为简单起见,图10中是以二值表现来展示潜在危险度。
图10中,潜在危险度图的表现对象即区域880内划有影线的区域951、952、954、956分别表示有潜在危险度的区域(潜在危险度区域)。潜在危险度区域951表示潜在障碍物851造成的潜在危险度(准确地说也包括潜在障碍物852),潜在危险度区域952表示潜在障碍物852造成的潜在危险度,潜在危险度区域954表示潜在障碍物854造成的潜在危险度,潜在危险度区域956表示潜在障碍物856造成的潜在危险度。再者,为了使理解变得容易,图10中将潜在障碍物851、852-1、852-2、854、856和道路的各车道的位置展示在潜在危险度图上,但这些并非必须表现在潜在危险度图上。
当潜在危险度图生成部15的处理完成时,转移至行驶控制计划部16的处理。行驶控制计划部16以如下次序执行制作行驶控制数据组38的处理:(1)确定自身车辆2所行驶的物理路径(行驶路径),(2)进行该行驶路径上的速度计划而生成行驶路径加上速度信息而成的行驶轨道,(3)算出用于跟随该行驶轨道的执行器组7的控制指令值。
在次序(1)的行驶路径的确定中,例如根据自身车辆速度、车道形状等信息而预先生成多个可取的行驶路径的候选,将次序(2)的速度计划也包括在内来进行评价,最终选择综合而言最理想的行驶轨道。潜在危险度图数据组37被用于该评价。本来在行驶轨道的评价中不仅要考虑潜在危险度还要综合性地考虑外界传感器组4所检测到的障碍物、交通规则等各种环境要素,但此处为简单起见而精简为潜在危险度来进行说明。
图11展示了第1动作例的行驶场景下自身车辆2可取的行驶路径候选与潜在危险度的关系。图11在由潜在危险度图生成部15生成的潜在危险度图数据组37上重叠显示有自身车辆2可取的行驶路径候选1001~1003。图11中,区域951、952、954、956与图10所示的相同,分别表示潜在危险度高的区域。行驶路径候选1001~1003在位置1011~1013上分别与区域952、954、956相交。
潜在危险度不同于与由外界传感器组4实际检测到的障碍物的碰撞危险度,是表示对并非一定存在的潜在障碍物的碰撞危险度。在自身车辆2的行驶控制中,对于确实存在的障碍物,较理想为生成自身车辆2能可靠地规避而不损害乘员的乘坐品质的轨道,而对于潜在障碍物,只要能在万一真的存在的情况下担保最低限度的安全性即可,即便会因此牺牲一定程度的乘坐品质。其原因在于,潜在障碍物实际存在的可能性较低,若进行与普通障碍物同等的控制,则会成为过度在意风险的行驶而导致乘坐品质和行驶稳定性变差。因此在本实施方式中,在行驶控制计划部16中,对于潜在危险度图数据组37所表示的潜在危险度图上潜在危险度高的区域,采取生成自身车辆2能担保最低限度的安全性这样的行驶轨道的方针。
为了担保对潜在危险度的最低限度的安全性,在行驶控制计划部16中例如以自身车辆2在进入潜在危险度高的区域952、954、956之前能停止这样的速度来生成行驶路径候选1001~1003。如上所述,区域952、954、956表示有可能与潜在障碍物发生碰撞的区域,所以,当在最坏的情形下自身车辆2进入该场所时,在实际存在潜在障碍物的情况下有与该障碍物发生碰撞的危险。然而,若是借助外界传感器组4检测到了碰撞风险的情况等能在紧要关头时使自身车辆2减速而在相应位置的近前停止,则即便按照行驶路径候选1001~1003使自身车辆2行驶也能避免碰撞于未然。
若将自身车辆2中能容许的减速度设为α、将自身车辆2的当前速度设为v,则到自身车辆2停止为止的距离以v2/2α来求出。在将行驶路径候选1001~1003中的任一方作为自身车辆2的行驶路径的情况下,若将自身车辆2的当前位置起到该行驶路径与潜在危险度高的区域952、954、956分别相交的位置也就是图11的位置1011~1013为止的距离设为L,则行驶控制装置3须以至少满足L>v2/2α的方式控制自身车辆2的速度。但这样一来,在不再满足该条件的时间点上就会出现急减速,所以较理想为在实际不再满足该条件之前便开始缓和地减速。例如,可列举如下方式:将自身车辆2到达不再满足该条件的地点为止的时间即TTB(Time To Braking)作为指标来导入,据此来调整自身车辆2的速度。再者,TTB的值能以(L-v2/2α)/v来算出。为了避免急减速,例如可在TTB变成规定值以下的情况下缓和地进行减速(<α),也能以TTB处于规定值以上的方式控制速度。
图12展示了第1动作例的行驶场景下的行驶路径候选和目标速度的算出方法的一例。图12为表示图11的行驶路径候选1001~1003中自身车辆2在进入潜在危险度高的区域的近前停止用的减速开始点的位置与以TTB处于规定值T0以上的方式控制自身车辆2的速度的情况下的减速开始点的位置的关系的图。图12的(a)展示的是与行驶路径候选1002相关的上述关系,图12的(b)展示的是与行驶路径候选1001、1003相关的上述关系。这些图中,横轴表示行驶路径上的距离,纵轴表示自身车辆2的速度。
如图11所示,行驶路径候选1002在位置1012上与潜在危险度高的区域954相交。如图12的(a)中减速开始点位置1201所示,自身车辆2在沿行驶路径候选1002行驶时于位置1012近前停止用的减速开始点是与位置1012相距v2/2α程度的近前位置。相对于此,为了满足TTB≥T0,如图12的(a)中减速开始点位置1202所示,减速开始点必须在当前位置前方T0·v程度处。这两者的交点1203成为满足条件的目标速度。
另一方面,如图11所示,行驶路径候选1001和1003与潜在危险度高的区域952、956的交点即位置1011、1013相较于上述位置1012而言存在于近前侧。因此,如图12的(b)所示,满足条件的目标速度明显低于行驶路径候选1002的情况,结果并不理想。因此,行驶控制计划部16计划使自身车辆2沿行驶路径候选1002以图12的(a)的目标速度行驶用的行驶轨道,算出用于跟随该行驶轨道的控制指令值,生成行驶控制数据组38。由如此生成的行驶控制数据组38表示的控制指令值通过信息输出部17的处理输出至执行器组7。
再者,图12的(a)的目标速度低于理想速度(例如法定速度)意味着外界传感器组4的检测范围不满足用于使自身车辆2以理想速度安全地行驶的要求。这起因于外界传感器组4的本来的性能极限,若是换做手动驾驶来思考,则相当于因恶劣天气或急弯等而导致前方视线不佳时人出于安全考虑而减速行驶这一情况。即,在恶劣天气时或者急弯等当中,外界传感器组4的死角区域会向自身车辆2靠近,所以行驶路径上的与潜在危险度高的区域的交点也变近。因此,图12的(a)的减速开始点位置1201往左偏移,使得与减速开始点位置1202的交点1203往左偏移,由此,目标速度下降。
如以上所说明,在本实施方式的车辆系统1中,通过使用表现潜藏在死角区域内的潜在障碍物的危险度的潜在危险度图,能够容易地实现基于外界传感器组4的死角和检测状况的安全的行驶控制。
(第2动作例)
接着,使用区别于前文所述的行驶场景例的另一行驶场景例,对图1、图3的死角区域危险事件判定部13、潜在障碍物生成部14、潜在危险度图生成部15以及行驶控制计划部16的具体处理进行说明。
图13展示了与车辆系统1的第2动作例相对应的第1个行驶场景。图13展示的是由相互对置的车道1381、1382构成的纵向道路与由相互对置的车道1383、1384构成的横向道路在有交通信号灯的十字路口交叉、自身车辆2在该路口从车道1381向车道1383右转的行驶场景。对于该行驶场景,由外界传感器组4针对检测范围1301而获取传感器识别数据组31,不包含在该检测范围1301内的影线区域被死角区域确定部12确定为死角区域。该死角区域中包含在自身车辆2的对向车道1382上欲右转而正在路口中心附近待机的对向车辆1370成为遮蔽物而形成的死角区域1331。再者,在第2动作例中,相对于第1动作例而言,在外界传感器组4中追加了能检测自身车辆2侧方的传感器,该传感器的检测范围1302、1303包含在外界传感器组4的检测范围1301内。
在图13的行驶场景下,车道1381~1384的形状和属性可以根据行驶环境数据组33来确定。此外,路口的交通信号灯是纵向道路侧为绿色、横向道路侧为红色的状态。再者,交通信号灯的状态也可以根据行驶环境数据组33来确定。
当死角区域确定部12的处理完成时,死角区域危险事件判定部13按照前文所述的图4所示的流程图来进行处理。
死角区域危险事件判定部13在图4的步骤S301中首先获取与图13所示那样的行驶场景相对应的死角区域数据组34和行驶环境数据组33。在接下来的图4的步骤S302中,与第1动作例一样,从行驶环境数据组33中参考车辆2周边的车道信息,提取每一车道的死角区域1341~1345,而且确定死角区域1341~1345与非死角区域即检测范围1301的交界点1321~1325。
然后,在图4的步骤S303中,死角区域危险事件判定部13判定各死角区域的危险事件模型。此处,与第1动作例一样,通过参考图5的危险事件模型决定表而以如下方式判断与死角区域1341~1345分别相对应的危险事件模型。
自身车辆2是在路口从车道1381向车道1383右转,所以关于车道1381的对向车道即车道1382上的死角区域1341和车道1383的对向车道即车道1384上的死角区域1343,判断车道相对于自身车辆2的行进方向为“相反方向”、道路上前后关系为“前方”。因此,根据图5的表而判定符合“最大车速车道行驶”的危险事件模型。此外,关于车道1383上的死角区域1342,车道相对于自身车辆2的行进方向为“同一方向”、道路上前后关系为“前方”。因此,根据图5的表而判定符合“停止”的危险事件模型。再者,此处,同一方向的车道只有1个,所以判断不符合“低车速车道变更”的危险事件模型。
在图13的行驶场景下,如前文所述,自身车辆2已在路口开始右转,设想的是无法直线前进或左转的状态。因此,死角区域1344、1345的道路上前后关系处理为“后方”。此外,关于车道相对于自身车辆2的行进方向,死角区域1344为“同一方向(邻接车道)”,死角区域1345为“相反方向”。因此,根据图5的表而分别判定死角区域1344符合“最大车速车道行驶”的危险事件模型、死角区域1345符合“无符合(N/A)”的危险事件模型。再者,在自身车辆2进入路口之前的情况下,直线前进、左右转都可能发生,所以死角区域1344、1345的道路上前后关系处理为“前方”。
然后,在图4的步骤S304中,死角区域危险事件判定部13判定各危险事件模型的发生可能性。在图13的行驶场景下,针对沿横向横穿图的道路的交通信号灯为红色状态,所以能判断车辆从死角区域1343、1344冲出来的可能性较低。因而能判断步骤S303中针对死角区域1343、1344分别判定的危险事件模型的发生可能性较低。
最后,在图4的步骤S305中,死角区域危险事件判定部13生成与各危险事件模型相对应的危险事件信息。继而,在步骤S306中记录至存储部30的死角区域危险事件数据组35。此处,若将步骤S304中被判断发生可能性较低的死角区域1343、1344的危险事件模型从危险事件信息的生成对象中排除,则步骤S305中生成危险事件信息的危险事件模型与死角区域的组合为(“最大车速车道行驶”、死角区域1341)(“停止”、死角区域1342)这2个组。在第2动作例中,针对图13的行驶场景而生成与这些组合相关的危险事件信息,并记录至死角区域危险事件数据组35。
然后,使用图14~图17,对潜在障碍物生成部14及潜在危险度图生成部15的处理结果进行说明。图14展示了第2动作例的第1个行驶场景下生成、记录的潜在障碍物数据组36及潜在危险度图数据组37的一例。图14展示的是按照针对图13的行驶场景的死角区域危险事件数据组35而由潜在障碍物生成部14生成并记录在潜在障碍物数据组36中的潜在障碍物1421、1422和针对这些潜在障碍物而生成并记录在潜在危险度图数据组37中的潜在危险度图。图14中,潜在危险度图的表现对象也就是区域1410内划有影线的区域1431、1432分别表示潜在障碍物1421、1422造成的潜在危险度高的区域。
图15展示了第2动作例的第1个行驶场景的车道上的各位置上的潜在障碍物与自身车辆2的推断到达时间的关系。图15中,关于图14的车道1382,横向展示自身车辆2与对向车辆1370及潜在障碍物1421的位置关系,而且展示了按经过时间的潜在障碍物1421和自身车辆2的位置。图15的上图中,横轴表示车道1382上的位置,纵轴表示距当前时刻的经过时间。此外,自身车辆2的设想位置的时间变化以黑实线1501表示,潜在障碍物1421的设想位置的时间变化以虚线1502表示,而且可能存在潜在障碍物1421的范围以影线区域1512表示。再者,实线1501上不存在相当于从自身车辆2侧方到后方的部分的数据。其原因在于,没有设定因自身车辆2的回转半径的关系而无法到达的部分的数据。
图15中,表示自身车辆2的设想位置的时间变化的实线1501内包在表示潜在障碍物1421的存在可能范围的影线区域1512内。这表示影线区域1512内潜在障碍物1421造成的潜在危险度高。因而,如图14所示,与潜在障碍物1421相对应的区域1431表现在潜在危险度图上。
观察图14的潜在危险度图,在自身车辆2的右转路径1310上存在潜在危险度高的区域1431。也就是表示,若自身车辆2就这样起步,则在对向车辆1370的死角内潜藏有其他车辆的情况下,有与该车辆发生碰撞的危险。
图16展示了与车辆系统1的第2动作例相对应的第2个行驶场景。图16中展示的是图13中在自身车辆2前方等待右转的对向车辆1370已消失的行驶场景和该行驶场景下的潜在障碍物及潜在危险度图。在图16的行驶场景下,曾存在于图13中的对向车辆1370造成的死角区域1331消失,所以对向车道1382的死角区域与非死角区域的交界点后退到外界传感器组4的检测极限点。结果,通过潜在障碍物生成部14的处理而生成潜在障碍物1621,在潜在危险度图上表现影线所示的区域1631作为该潜在障碍物1621造成的潜在危险度高的区域。
图17展示了第2动作例的第2个行驶场景的车道上的各位置上的潜在障碍物与自身车辆2的推断到达时间的关系。图17中,关于图16的车道1382,横向展示自身车辆2与潜在障碍物1621的位置关系,而且展示了按经过时间的潜在障碍物1621和自身车辆2的位置。图17中,与图15一样,上图的横轴也表示车道1382上的位置,纵轴也表示距当前时刻的经过时间。此外,自身车辆2的设想位置的时间变化以黑实线1701表示,潜在障碍物1621的设想位置的时间变化以虚线1702表示,而且可能存在潜在障碍物1621的范围以影线区域1712表示。
在图16的行驶场景下,车道1382上的死角区域相较于图13的死角区域1331而言设定在远离路口的位置。因此,如图17所示,表示潜在障碍物1621的存在可能范围的影线区域1712与图15的影线区域1512相比往图的左侧偏移。结果,表示车道1382上的自身车辆2的设想位置的时间变化的实线1701与表示潜在障碍物1621的存在可能范围的影线区域1712在路口附近没有重叠。此处,若在对于相同位置的自身车辆2与潜在障碍物1621各自的推断到达时间相隔规定的安全余量Δt以上时认为潜在危险度低,则在图17的位置1730右侧的区域内判断潜在危险度低。图16的影线区域1631将这一情况在潜在危险度图上表现出来。
在图16的潜在危险度图中,自身车辆2的右转路径1610上不存在潜在危险度高的区域。也就是表示,即便自身车辆2就这样起步,也没有与在对向车道1382上行驶而来的其他车辆发生碰撞的危险。
如以上所说明,在本实施方式的车辆系统1中,分别算出对于同一位置的潜在障碍物和自身车辆2的推断到达时间,将根据这些推断到达时间是否在时间上发生交错而算出的潜在危险度表现在潜在危险度图上。由此,通过在潜在危险度图上探索自身车辆2的设想路径与潜在危险度高的区域的交点,能够判断潜在性地存在于死角区域内的障碍物所带来的危险性。因此,例如在因等待右转的对向车而未恰当地观察到对向车道这样的状况下的右转时也能安全地判断可否起步。
根据以上说明过的本发明的一实施方式,取得以下作用效果。
(1)搭载于车辆2中的身为ECU的行驶控制装置3具备:死角区域确定部12,其确定不包含在车辆2中搭载的外界传感器组4的检测范围内的死角区域;信息获取部11,其获取包含死角区域确定部12所确定的死角区域的车辆2周边的道路的车道信息;以及死角区域危险事件判定部13。死角区域危险事件判定部13根据信息获取部11所获取到的死角区域的车道信息和死角区域相对于车辆2的道路上的位置关系来判断可能存在于死角区域内的潜在性障碍物的设想行为。因此,能够恰当地判断可能存在于死角区域内的潜在性障碍物的行为。
(2)行驶控制装置3进而具备潜在危险度图生成部15,所述潜在危险度图生成部15根据潜在性障碍物的设想行为来生成表现车辆2周边的潜在性行驶危险度的潜在危险度图。因此,能够恰当地评价可能存在于死角区域内的潜在性障碍物对车辆2带来的风险。
(3)行驶控制装置3进而具备信息输出部17,所述信息输出部17针对潜在危险度图上所表现的潜在性行驶危险度为规定值以上的区域即潜在危险度区域而输出用于在维持能避免危险的行驶状态的情况下控制车辆2的信息即执行器组7的控制指令值。此处,所谓能避免危险的行驶状态,优选为满足车辆2能在到达潜在危险度区域之前停止这一条件的行驶状态。因此,即便在死角区域内存在障碍物的情况下,也能以能可靠地避免与该障碍物的碰撞的方式使车辆2行驶。
(4)潜在危险度图生成部15像图9、15、17中说明过的那样根据车辆2的行为来判断车辆2的周边位置上的车辆2的推断到达时间,而且根据潜在性障碍物的设想行为来判断车辆2的周边位置上的潜在性障碍物的推断到达时间。继而,根据车辆2的推断到达时间与潜在性障碍物的推断到达时间的重叠来判断车辆2的周边位置上的潜在性行驶危险度。因此,能够恰当地判断车辆2的周边位置上的潜在性行驶危险度。
(5)像图5的危险事件模型决定表中说明过的那样,在死角区域的车道信息所表示的行进方向与车辆2的行进方向一致而且死角区域相对于车辆2而在道路上位于前方的情况下,死角区域危险事件判定部13判断潜在性障碍物处于停止状态。此外,在死角区域的车道信息所表示的行进方向与车辆2的行进方向不一样而且死角区域相对于车辆2而在道路上位于前方的情况下,判断潜在性障碍物正以与死角区域的道路环境相应的最高速度行驶。此时,例如可以根据死角区域的车道信息所表示的法定速度、信息获取部11所获取到的与交通信息中包含的死角区域的交通状态相关的信息来算出最高速度。此外,在死角区域的车道信息所表示的行进方向与车辆2的行进方向一致而且死角区域相对于车辆2而在道路上位于侧方的情况下,判断潜在性障碍物正以与车辆2相同程度的速度行驶。因此,能够恰当地判断可能存在于死角区域内的潜在性障碍物的设想行为。
再者,以上说明过的实施方式为一例,本发明并不限于此。即,本发明可以进行各种应用,这所有实施方式都包含在本发明的范围内。例如,上述实施方式中是以规定形状来表现死角区域,但也可像图2所示那样以网格状图的栅格单位来表现,也能以多个栅格的集合体来表现。
此外,例如上述实施方式中记载了在行驶控制装置3中分别使用一个处理部10及存储部30来执行各处理的例子,但也可将处理部10和存储部30分为多个来构成而在不同处理部和存储部中执行各处理。在该情况下,例如可设为具有同样构成的处理软件搭载于各存储部中、在各处理部中分担执行该处理的形态。
此外,上述实施方式中是通过使用处理器和RAM执行规定动作程序来实现行驶控制装置3的各处理,但也可以视需要通过单独的硬件来实现。此外,上述实施方式中将外界传感器组4、车辆传感器组5、执行器组7、HMI装置组8、外部通信装置9分别记载为单独的装置,但也可以视需要组合任意2个以上来实现。
此外,附图中展示的是认为在实施方式的说明上所需要的控制线及信息线,并非一定展示了运用本发明的实际产品中包含的所有控制线及信息线。实际上,可认为几乎所有构成都相互连接在一起。
下面的优先权基础申请的揭示内容以引用文的形式并入本文:
日本专利申请2019-169821(2019年9月18日申请)。
符号说明
1…车辆系统、2…车辆、3…行驶控制装置、4…外界传感器组、5…车辆传感器组、6…地图信息管理装置、7…执行器组、8…HMI装置组、9…外部通信装置、10…处理部、11…信息获取部、12…死角区域确定部、13…死角区域危险事件判定部、14…潜在障碍物生成部、15…潜在危险度图生成部、16…行驶控制计划部、17…信息输出部、30…存储部、31…传感器识别数据组、32…车辆信息数据组、33…行驶环境数据组、34…死角区域数据组、35…死角区域危险事件数据组、36…潜在障碍物数据组、37…潜在危险度图数据组、38…行驶控制数据组、40…通信部。
Claims (10)
1.一种电子控制装置,其搭载于车辆中,其特征在于,具备:
死角区域确定部,其确定不包含在所述车辆中搭载的传感器的检测范围内的死角区域;
信息获取部,其获取包含所述死角区域的所述车辆周边的道路的车道信息;以及
死角区域危险事件判定部,其根据所述死角区域的车道信息和所述死角区域相对于所述车辆的道路上的位置关系来判断可能存在于所述死角区域内的潜在性障碍物的设想行为。
2.根据权利要求1所述的电子控制装置,其特征在于,
进而具备潜在危险度图生成部,所述潜在危险度图生成部根据所述潜在性障碍物的设想行为来生成表现所述车辆周边的潜在性行驶危险度的潜在危险度图。
3.根据权利要求2所述的电子控制装置,其特征在于,
进而具备信息输出部,所述信息输出部针对所述潜在危险度图上所表现的所述潜在性行驶危险度为规定值以上的区域即潜在危险度区域,输出用于在维持能避免危险的行驶状态的情况下控制所述车辆的信息。
4.根据权利要求3所述的电子控制装置,其特征在于,
所述能避免危险的行驶状态,是满足所述车辆能在到达所述潜在危险度区域之前停止这一条件的行驶状态。
5.根据权利要求2所述的电子控制装置,其特征在于,
所述潜在危险度图生成部根据所述车辆的行为来判断所述车辆的周边位置上的所述车辆的推断到达时间,
根据所述潜在性障碍物的设想行为来判断所述车辆的周边位置上的所述潜在性障碍物的推断到达时间,
根据所述车辆的推断到达时间与所述潜在性障碍物的推断到达时间的重叠来判断所述车辆的周边位置上的潜在性行驶危险度。
6.根据权利要求1所述的电子控制装置,其特征在于,
在所述死角区域的车道信息所表示的行进方向与所述车辆的行进方向一致而且所述死角区域相对于所述车辆而在道路上位于前方的情况下,所述死角区域危险事件判定部判断所述潜在性障碍物处于停止状态。
7.根据权利要求1所述的电子控制装置,其特征在于,
在所述死角区域的车道信息所表示的行进方向与所述车辆的行进方向不一样而且所述死角区域相对于所述车辆而在道路上位于前方的情况下,所述死角区域危险事件判定部判断所述潜在性障碍物正以与所述死角区域的道路环境相应的最高速度行驶。
8.根据权利要求7所述的电子控制装置,其特征在于,
所述死角区域危险事件判定部根据所述死角区域的车道信息所表示的法定速度来算出所述最高速度。
9.根据权利要求7所述的电子控制装置,其特征在于,
所述信息获取部获取包含与所述死角区域的交通状态相关的信息的交通信息,
所述死角区域危险事件判定部根据所述交通信息所表示的所述死角区域的交通状态来算出所述最高速度。
10.根据权利要求1所述的电子控制装置,其特征在于,
在所述死角区域的车道信息所表示的行进方向与所述车辆的行进方向一致而且所述死角区域相对于所述车辆而在道路上位于侧方的情况下,所述死角区域危险事件判定部判断所述潜在性障碍物正以与所述车辆相同程度的速度行驶。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-169821 | 2019-09-18 | ||
JP2019169821A JP7289760B2 (ja) | 2019-09-18 | 2019-09-18 | 電子制御装置 |
PCT/JP2020/031732 WO2021054051A1 (ja) | 2019-09-18 | 2020-08-21 | 電子制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114126940A true CN114126940A (zh) | 2022-03-01 |
CN114126940B CN114126940B (zh) | 2024-07-23 |
Family
ID=74876352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080052275.3A Active CN114126940B (zh) | 2019-09-18 | 2020-08-21 | 电子控制装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220314968A1 (zh) |
JP (1) | JP7289760B2 (zh) |
CN (1) | CN114126940B (zh) |
WO (1) | WO2021054051A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115257728A (zh) * | 2022-10-08 | 2022-11-01 | 杭州速玛科技有限公司 | 一种用于自动驾驶的盲区风险区检测方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7145815B2 (ja) * | 2019-05-27 | 2022-10-03 | 日立Astemo株式会社 | 電子制御装置 |
US20210200241A1 (en) * | 2019-12-30 | 2021-07-01 | Subaru Corporation | Mobility information provision system, server, and vehicle |
CN112650243B (zh) * | 2020-12-22 | 2023-10-10 | 北京百度网讯科技有限公司 | 车辆控制方法、装置、电子设备和自动驾驶车辆 |
JP2023114943A (ja) * | 2022-02-07 | 2023-08-18 | 日立Astemo株式会社 | 車両制御装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008195289A (ja) * | 2007-02-14 | 2008-08-28 | Fuji Heavy Ind Ltd | 車両の運転支援装置 |
CN103109313A (zh) * | 2010-09-08 | 2013-05-15 | 丰田自动车株式会社 | 危险度计算装置 |
JP2013254409A (ja) * | 2012-06-08 | 2013-12-19 | Toyota Central R&D Labs Inc | 漫然運転検出装置及びプログラム |
CN103748622A (zh) * | 2011-08-10 | 2014-04-23 | 丰田自动车株式会社 | 驾驶辅助装置 |
JP2014149627A (ja) * | 2013-01-31 | 2014-08-21 | Toyota Motor Corp | 運転支援装置及び運転支援方法 |
WO2016104198A1 (ja) * | 2014-12-25 | 2016-06-30 | クラリオン株式会社 | 車両制御装置 |
CN109313857A (zh) * | 2016-06-17 | 2019-02-05 | 日立汽车系统株式会社 | 周边环境识别装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011194979A (ja) * | 2010-03-18 | 2011-10-06 | Toyota Motor Corp | 運転支援装置 |
US10146223B1 (en) * | 2016-10-21 | 2018-12-04 | Waymo Llc | Handling sensor occlusions for autonomous vehicles |
US10497265B2 (en) * | 2017-05-18 | 2019-12-03 | Panasonic Intellectual Property Corporation Of America | Vehicle system, method of processing vehicle information, recording medium storing a program, traffic system, infrastructure system, and method of processing infrastructure information |
US20200180638A1 (en) * | 2017-05-26 | 2020-06-11 | Honda Motor Co., Ltd. | Vehicle control system and vehicle control method |
EP3696788B1 (en) * | 2017-10-10 | 2022-08-10 | Nissan Motor Co., Ltd. | Driving control method and driving control apparatus |
US11091158B2 (en) * | 2018-06-24 | 2021-08-17 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling motion of vehicle with variable speed |
CN112703541B (zh) * | 2018-09-17 | 2022-09-20 | 日产自动车株式会社 | 车辆行为预测方法以及车辆行为预测装置 |
JP7163729B2 (ja) * | 2018-11-08 | 2022-11-01 | トヨタ自動車株式会社 | 車両制御装置 |
JP7180436B2 (ja) * | 2019-02-15 | 2022-11-30 | 株式会社デンソー | 行動制御方法、及び行動制御装置 |
-
2019
- 2019-09-18 JP JP2019169821A patent/JP7289760B2/ja active Active
-
2020
- 2020-08-21 CN CN202080052275.3A patent/CN114126940B/zh active Active
- 2020-08-21 US US17/633,639 patent/US20220314968A1/en active Pending
- 2020-08-21 WO PCT/JP2020/031732 patent/WO2021054051A1/ja active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008195289A (ja) * | 2007-02-14 | 2008-08-28 | Fuji Heavy Ind Ltd | 車両の運転支援装置 |
CN103109313A (zh) * | 2010-09-08 | 2013-05-15 | 丰田自动车株式会社 | 危险度计算装置 |
CN103748622A (zh) * | 2011-08-10 | 2014-04-23 | 丰田自动车株式会社 | 驾驶辅助装置 |
JP2013254409A (ja) * | 2012-06-08 | 2013-12-19 | Toyota Central R&D Labs Inc | 漫然運転検出装置及びプログラム |
JP2014149627A (ja) * | 2013-01-31 | 2014-08-21 | Toyota Motor Corp | 運転支援装置及び運転支援方法 |
WO2016104198A1 (ja) * | 2014-12-25 | 2016-06-30 | クラリオン株式会社 | 車両制御装置 |
CN109313857A (zh) * | 2016-06-17 | 2019-02-05 | 日立汽车系统株式会社 | 周边环境识别装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115257728A (zh) * | 2022-10-08 | 2022-11-01 | 杭州速玛科技有限公司 | 一种用于自动驾驶的盲区风险区检测方法 |
CN115257728B (zh) * | 2022-10-08 | 2022-12-23 | 杭州速玛科技有限公司 | 一种用于自动驾驶的盲区风险区检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114126940B (zh) | 2024-07-23 |
US20220314968A1 (en) | 2022-10-06 |
JP7289760B2 (ja) | 2023-06-12 |
JP2021047644A (ja) | 2021-03-25 |
WO2021054051A1 (ja) | 2021-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11851090B2 (en) | Vehicle control apparatus, vehicle control method, and storage medium | |
US10943133B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN107077792B (zh) | 行驶控制系统 | |
CN114126940B (zh) | 电子控制装置 | |
US11225249B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
US11167761B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN110662683B (zh) | 驾驶辅助装置以及驾驶辅助方法 | |
US11364842B2 (en) | Notification device | |
WO2016170647A1 (ja) | オクルージョン制御装置 | |
JP6641583B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN110198875B (zh) | 对驾驶员辅助系统的改进或与之相关的改进 | |
KR20150061781A (ko) | 차량 코너링 제어 방법 및 그 장치 | |
JP7140067B2 (ja) | 車両制御装置、車両制御方法、及びプログラム | |
CN111731296B (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
US20190283754A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN110281934B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN113853640A (zh) | 电子控制装置 | |
JP2019156271A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN111731294A (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
CN112660018B (zh) | 显示装置以及显示装置的显示方法 | |
CN109969191B (zh) | 驾驶辅助系统和方法 | |
CN113401056A (zh) | 显示控制装置、显示控制方法以及计算机可读取存储介质 | |
US20220055615A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
WO2019127076A1 (en) | Automated driving vehicle control by collision risk map | |
JP2021109576A (ja) | 車両の走行支援方法および走行支援装置 |
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 |