DE112010000802B4

DE112010000802B4 - Vorrichtung zum vorhersagen der bewegung eines mobilen körpers

Info

Publication number: DE112010000802B4
Application number: DE112010000802.7T
Authority: DE
Inventors: Katsuhiro Sakai; Toshiki Kindo; Kazuaki Aso; Masahiro Harada
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2009-02-09
Filing date: 2010-02-05
Publication date: 2014-12-11
Anticipated expiration: 2030-02-06
Also published as: CN102307769A; JP2010182236A; JP4853525B2; DE112010000802T5; WO2010089661A2; WO2010089661A3; US8676487B2; US20110313664A1; CN102307769B

Abstract

Vorrichtung zur Vorhersage einer Bewegungsregion, dadurch gekennzeichnet, dass sie Folgendes aufweist: eine Vorrichtung (31) zur Erfassung eines mobilen Körpers, die einen mobilen Körper um ein eigenes Fahrzeug erfasst; eine Vorhersagevorrichtung (34), die eine Bewegungsregion des erfassten mobilen Körpers nach einer Vorhersagezeit vorhersagt; wobei die Vorhersagevorrichtung (34) eine Vielzahl von Bewegungsvorhersagemodellen mit verschiedenen Vorhersagezeiten zur Vorhersage der Bewegungsregion des mobilen Körpers aufweist, und eine Vorhersage unter Verwendung der Vielzahl von Bewegungsvorhersagemodellen durchführt, um die Bewegungsregion des mobilen Körpers vorherzusagen; und gekennzeichnet durch eine Vorrichtung zur Ermittlung eines Grads der Normalität, die einen Grad der Normalität einer Bewegungssituation des erfassten mobilen Körpers ermittelt, wobei die Vorhersagevorrichtung (34) ein Bewegungsvorhersagemodell aus der Vielzahl von Bewegungsvorhersagemodellen auf der Grundlage des ermittelten Grads der Normalität auswählt, und die Bewegungsregion des mobilen Körpers unter Verwendung des ausgewählten Bewegungsvorhersagemodells vorhersagt, wobei in dem Fall, in dem die Bewegungsvorhersage für ein nahes Objekt durchgeführt wird, dessen Bewegungssituation normal ist, die Vorhersage in Verbindung mit kurzen Vorhersagezeiten unter Verwendung von Bewegungsmodellen durchgeführt wird, die für einen mobilen Körper vorbereitet sind, dessen Bewegungssituation abnormal ist, und wobei die Vorhersage in Verbindung mit den langen Vorhersagezeiten unter Verwendung von Bewegungsvorhersagemodellen durchgeführt wird, die für einen bewegten Körper vorbereitet sind, dessen Bewegungssituation normal ist.

Description

HINTERGRUND DER ERFINDUNG
1. Gebiet der Erfindung
Die Erfindung bezieht sich auf eine Vorrichtung zur Vorhersage einer Bewegungsregion, welche die Bewegungsregion eines mobilen Körpers bzw. die Region, in der sich der Körper voraussichtlich bewegen wird, vorhersagt.
2. Beschreibung des Stands der Technik
Es wurde eine Technologie zur Vorhersage eines Fahrkurses eines eigenen Fahrzeugs entwickelt, welche das eigene Fahrzeug daran hindert, auf dem vorhergesagten Kurs mit einem mobilen Körper wie einem anderen Fahrzeug oder etwas Ähnlichem zu kollidieren, der sich um das eigene Fahrzeug bzw. in der Nähe desselben befindet. Es wurde auch eine Technologie entwickelt, um einen Zielkurs zu bestimmen, welchen das eigene Fahrzeug nehmen muss, um einen Bestimmungsort zu erreichen, und um verschiedene Fahrtsteuerungen oder automatisches bzw. autonomes Fahren passend zu dem Zielkurs durchzuführen. In dieser Technologie ist es auch wichtig, dass das eigene Fahrzeug eine Kollision mit umgebenden mobilen Körpern vermeidet, während es fährt. Eine Vorrichtung, die in der japanischen Patentanmeldung mit der Veröffentlichungsnummer 7-104062 ( JP 7-104 062 A ) beschrieben ist, ermittelt eine vorhergesagte Fahrortskurve eines eigenen Fahrzeugs und ein vorhergesagtes Fahrgebiet desselben, welches eine vorab bestimmte Ausdehnung auf jeder der beiden Seiten der vorhergesagten Fahrortskurve aufweist, auf der Grundlage der Gierrate und der Geschwindigkeit des eigenen Fahrzeugs, die durch Sensoren erfasst werden, und ermittelt auch eine vorhergesagte Fahrortskurve eines Hindernisses (eines anderen Fahrzeugs oder etwas Ähnlichem) und ein vorhergesagtes Fahrgebiet desselben, das eine vorab bestimmten Ausdehnung auf jeder der beiden Seiten der vorhergesagten Fahrortskurve erstreckt, auf der Grundlage der Position und der Geschwindigkeit des Hindernisses, die durch ein Radar erfasst werden. Zudem berechnet die Vorrichtung den Punkt des Zusammentreffens des eigenen Fahrzeugs mit dem Hindernis oder einen Punkt einer größten Nähe bzw. kürzesten Abstands derselben auf der Grundlage des vorhergesagten Fahrgebiets des eigenen Fahrzeugs und des vorhergesagten Fahrgebiets des Hindernisses, und bestimmt das Kollisionsrisiko durch Berechnen einer Sollverzögerung und einer verringerten Sollgeschwindigkeit, und falls ein Kollisionsrisiko auftritt, führt sie eine Geschwindigkeitssteuerung des eigenen Fahrzeugs entsprechend der Sollverzögerung und der verringerten Sollgeschwindigkeit durch.
In einer herkömmlichen Verkehrsumgebung ist es unausweichlich, dass ein Fahrzeug, das auf abnorme Weise fährt (ein „abnormes Fahrzeug”), und ein Fahrzeug, das auf normale Weise fährt (ein „normales Fahrzeug”), aufgrund von Dösen am Steuer, Trunkenheitsfahrten oder abhängig von der Situation der Befolgung von Verkehrsregeln usw. sich mischen bzw. beide vorkommen. In den vorstehend erläuterten Vorrichtungen wird jedoch das Gebiet, in dem sich ein anderes Fahrzeug bewegt, für alle Fahrzeuge gleich festgelegt. Daher wird das Kollisionsrisiko des eigenen Fahrzeugs mit Bezug auf alle Fahrzeuge in der Nähe (einschließlich normaler Fahrzeuge) hoch, wenn unter Annahme eines abnormen Fahrzeugs ein breites Gebiet für jedes der anderen Fahrzeuge um das eigene Fahrzeug festgelegt wird, so dass das Fahren für das eigene Fahrzeug schwierig wird (siehe 2A). Wenn andererseits unter der Annahme eines normalen Fahrzeugs ein kleines Gebiet für jedes der anderen Fahrzeuge um das eigene Fahrzeug festgelegt wird, wird das Risiko eines Zusammenstoßes des eigenen Fahrzeug mit Bezug auf alle Fahrzeuge in der Nähe als gering bewertet, so dass die Fahrsicherheit des eigenen Fahrzeugs sinkt (siehe 2B), wenn ein abnormes Fahrzeug in der Nähe ist. Die DE 10 2005 023 832 A1 offenbart eine Vorrichtung nach dem Oberbegriff des Anspruchs 1.
KURZE ERLÄUTERUNG DER ERFINDUNG
Die Erfindung schafft eine Vorrichtung zur Vorhersage einer Bewegungsregion, die dazu fähig ist, eine geeignete Bewegungsregion für jeden mobilen Körper selbst in einer Umgebung vorherzusagen, in welcher ein normaler mobiler Körper und ein abnormer mobiler Körper gemischt um ein eigenes Fahrzeug auftreten.
Ein erster Aspekt der Erfindung bezieht sich auf eine Vorrichtung zur Vorhersage einer Bewegungsregion, die Folgendes umfasst: Eine Vorrichtung zur Ermittlung eines mobilen Körpers, die einen mobilen Körper in der Nähe eines eigenen Fahrzeugs erfasst; eine Vorhersagevorrichtung, die eine Bewegungsregion des erfassten mobilen Körpers vorhersagt; und eine Vorrichtung zur Ermittlung eines Grads der Normalität, die den Grad der Normalität einer Situation der Bewegung des erfassten mobilen Körpers ermittelt. Die Vorhersagevorrichtung weist eine Vielzahl von Bewegungsvorhersagemodellen zur Vorhersage des Bewegungsgebiets des mobilen Körpers auf, und wählt ein Bewegungsvorhersagemodell aus der Vielzahl von Bewegungsvorhersagemodellen auf der Grundlage des ermittelten Grads der Normalität aus, und sagt die Bewegungsregion des mobilen Körpers unter Verwendung des ausgewählten Bewegungsvorhersagemodells voraus.
Die Vorrichtung zur Erfassung eines mobilen Körpers erfasst einen mobilen Körper um das eigene Fahrzeug, und die Vorrichtung zur Ermittlung des Grads der Normalität ermittelt den Grad der Normalität (in anderen Worten den Grad der Abnormität) der Bewegungssituation des mobilen Körpers um das eigene Fahrzeug. Zudem wählt die Vorhersagevorrichtung ein Bewegungsvorhersagemodell (sie kann auch mehrere Modelle auswählen) aus mehreren Bewegungsvorhersagemodellen auf der Grundlage des Grads der Normalität für jeden mobilen Körper aus und sagt die Bewegungsregion des mobilen Körpers unter Verwendung des gewählten Bewegungsvorhersagemodells voraus. Beispielsweise kann für einen mobilen Körper, dessen Grad der Normalität hoch ist, der Bereich der Bewegung in einem gewissen Maß eingeschränkt werden. Andererseits ist es schwierig, für einen mobilen Körper mit niedrigem Normalitätsgrad (dessen Abnormitätsgrad hoch ist) vorherzusagen, wie er sich bewegen wird. Folglich wird ein Bewegungsvorhersagemodell so verwendet, dass die Bewegungsregion umso kleiner gemacht wird, je höher der Grad der Normalität ist, und umso größer gemacht wird, je niedriger der Grad der Normalität ist. So wird in der Vorrichtung zur Vorhersage der Bewegungsregion eine geeignete Bewegungsregion mit Bezug auf jeden mobilen Körper selbst in einer Umgebung vorhergesagt werden, in welcher normale mobile Körper und abnorme mobile Körper gemischt auftreten bzw. vorkommen, weil für jeden mobilen Körper ein Bewegungsvorhersagemodell verwendet wird, das an den Grad der Normalität des mobiler Körpers angepasst ist, um dessen Bewegungsregion vorherzusagen. Durch Durchführen einer Fahrassistenz oder einer automatischen Fahrt des eigenen Fahrzeugs unter Verwendung der Bewegungsregionen, die individuell für jeden mobilen Körper bereitgestellt werden, können sowohl eine gute Sicherheit bezüglich mobiler Körper als auch eine gute Effizienz der Fahrt des eigenen Fahrzeugs zu einem Ziel selbst in einer Umgebung erreicht werden, in welcher normale mobile Körper und abnorme mobile Körper gemischt auftreten.
Nebenbei bemerkt ist der mobile Körper beispielsweise ein Automobil, ein Motorrad, ein Fahrrad, ein Fußgänger usw. Der Grad der Normalität der Situation der Bewegung eines mobilen Körpers wird beispielsweise aus denn Grad des Pendelns bzw. des Fahrens des mobilen Körpers in Schlangenlinien, dem Grad der Befolgung von Verkehrsregeln durch diesen, der Beschleunigung/Verzögerung, dem Risiko (der Kollisionswahrscheinlichkeit), welche der mobile Körper bezüglich der Kollision mit einem anderen Objekt akzeptiert, usw. erhalten. Die Vielzahl von Bewegungsvorhersagemodellen kann individuelle Bewegungsvorhersagemodelle umfassen, die verschiedenen Graden der Normalität entsprechen.
Ein zweiter Aspekt der Erfindung bezieht sich auf eine Vorrichtung zur Vorhersage einer Bewegungsregion, die Folgendes aufweist: Eine Vorrichtung zur Erfassung eines mobilen Körpers, die einen mobilen Körper um ein eigenes Fahrzeug erfasst; eine Vorhersagevorrichtung, die eine Bewegungsregion des erfassten mobilen Körpers vorhersagt; und eine Vorrichtung zur Ermittlung eines Grads der Normalität, die einen Grad der Normalität einer Bewegungssituation des erfassten mobilen Körpers ermittelt. Die Vorhersagevorrichtung weist ein Bewegungsvorhersagemodell auf, das einen Vorhersageparameter zur Vorhersage der Bewegungsregion des mobilen Körpers aufweist und bestimmt einen Wert des Vorhersageparameters auf der Grundlage des ermittelten Grads der Normalität, und sagt die Bewegungsregion des mobilen Körpers unter Verwendung des Bewegungsvorhersagemodells voraus, dessen Vorhersageparameter den vorab festgelegten Wert des Vorhersageparameters aufweist.
Die Vorrichtung zur Erfassung eines mobilen Körpers erfasst einen mobilen Körper um das eigene Fahrzeug bzw. in dessen Nähe, und die Vorrichtung zur Ermittlung des Grads der Normalität ermittelt den Grad der Normalität der Bewegungssituation des mobilen Körpers um das eigene Fahrzeug. Zudem bestimmt die Vorhersagevorrichtung mit Bezug auf jeden mobilen Körper einen Wert (kann einen Wert oder auch mehrere Werte bestimmen) eines Vorhersageparameters eines Bewegungsvorhersagemodells auf der Grundlage des Grads der Normalität des mobilen Körpers, und sagt die Bewegungsregion des mobilen Körpers unter Verwendung des Bewegungsvorhersagemodells voraus, in welchem der Vorhersageparameter den vorab festgelegten Wert aufweist. Daher kann in der Vorrichtung zur Vorhersage der Bewegungsregion eine geeignete Bewegungsregion für jeden mobilen Körper selbst in einer Umgebung vorhergesagt werden, in welcher normale mobile Körper und abnorme mobile Körper vermischt vorkommen, weil für jeden mobilen Körper ein Bewegungsvorhersagemodell verwendet wird, um die Bewegungsregion des mobilen Körpers vorherzusagen, bei welchem der Vorhersageparameter einen Wert aufweist, der zu dem Grad der Normalität des mobilen Körpers passt.
Beispiele des Vorhersageparameters umfassen den Grad des Pendelns eines mobilen Körpers, den Grad der Befolgung von Verkehrsregeln, die Beschleunigung/Verzögerung, den Lenkwinkel, die Gefahr (Kollisionswahrscheinlichkeit), die ein mobiler Körper bezüglich der Kollision mit einem anderen Objekt akzeptiert, usw. Der Vorhersageparameter kann der Grad der Normalität selbst sein. Es ist auch möglich, einen Aufbau zu verwenden, in dem verschiedene Parameterwerte, die zu dem Grad der Normalität passen, in einem Bewegungsvorhersagemodell ersetzt werden, welches den Grad der Normalität als einen Parameter aufweist, so dass eine Vielzahl von Bewegungsvorhersagemodellen erhalten wird. Die Anzahl von Vorhersageparametern, die ein Bewegungsvorhersagemodell aufweist, kann eins oder auch größer als eins sein.
Die Vorrichtung zur Aufnahme der Normalität des Fahrzeugs kann den Grad der Normalität auf der Grundlage einer Bewegungshistorie der Bewegung des mobilen Körpers aufnehmen.
Die Vorrichtung zur Ermittlung des Grads der Normalität erfasst eine Bewegungshistorie des mobilen Körpers (vergangene Bewegungen desselben) und ermittelt einen Grad der Normalität auf der Grundlage der Bewegungshistorie. Beispiele der Bewegungshistorie eines mobilen Körpers umfassen die Ortskurve von zeitseriellen Positionen des mobilen Körpers während einer bisherigen Fahrt des mobilen Körpers, zeitabhängige Änderungen der Geschwindigkeit (Beschleunigung/Verzögerung) desselben und zeitabhängige Änderungen der Bewegungsrichtung usw. Beispielsweise ist der Grad der Normalität eines mobilen Körpers in dem Fall niedrig, in dem eine Positionsänderung des mobilen Körpers während der letzten Zeit groß ist (der Grad des Pendelns des Fahrzeugs groß ist), in dem Fall, in dem eine Geschwindigkeitsänderung groß ist, oder in dem Fall, in welchem eine Änderung der Fahrtrichtung groß ist.
Die Vorrichtung zur Ermittlung des Grads der Normalität kann den Grad der Normalität auf der Grundlage der Position des mobilen Körpers ermitteln. Zudem kann die Vorrichtung zur Ermittlung des Grads der Normalität den Grad der Normalität auf der Grundlage der Position und der Geschwindigkeit des mobilen Körpers ermitteln.
Der Grad der Normalität eines mobilen Körpers (eines Fahrzeugs oder etwas Ähnlichem) ist in dem Fall niedrig, wenn eine Änderung der Position des mobilen Körpers groß ist und eine Änderung des Grads des Pendelns des mobilen Körpers groß ist, oder in dem Fall, in welchem eine Änderung der Geschwindigkeit desselben groß ist.
Die Vorrichtung zur Ermittlung des Grads der Normalität kann den Grad der Normalität auf der Grundlage des Zustands eines Fahrers des mobilen Körpers ermitteln.
Die Vorrichtung zur Ermittlung des Grads der Normalität kann den Zustand des Fahrers eines mobilen Körpers ermitteln, und kann den Grad der Normalität der Situation der Bewegung des mobilen Körpers auf der Grundlage des Zustands des Fahrers ermitteln. Beispiele des Zustands des Fahrers umfassen einen betrunkenen Zustand, einen wachen Zustand, einen müden Zustand, einen Konzentrationszustand (Irritationen und Ähnliches), usw. Beispielsweise ist es sehr wahrscheinlich, dass der Grad des Pendelns eines Fahrzeugs in dem Fall groß wird, in welchem der Fahrer trinkt, oder in dem Fall, in welchem die Wachheit bzw. Aufmerksamkeit des Fahrers gering ist. In dem Fall, in welchem der Fahrer irritiert bzw unkonzentriert ist, ist es sehr wahrscheinlich, dass die Beschleunigung/Verzögerung groß wird. In diesen Fällen ist der Grad der Normalität niedrig. Das Verfahren zur Aufnahme von Information über den Fahrer eines mobilen Körpers kann beispielsweise ein Verfahren sein, in welchem der Zustand des Fahrers des mobilen Körpers durch einen Sensor erfasst wird, der in der Vorrichtung zur Vorhersage der Bewegungsregion vorgesehen ist, oder kann auch ein Verfahren sein, in welchem der Zustand des Fahrers des mobilen Körpers durch einen Sensor erfasst wird, der an dem mobilen Körper oder einer Infrastruktur einer Straße oder etwas Ähnlichem vorgesehen ist, und die Information wird an die Vorrichtung zur Vorhersage der Bewegungsregion durch Fahrzeug-Fahrzeug-Kommunikation oder Straßen-Fahrzeug-Kommunikation weitergegeben. Die weitergegebenen Daten können sich auf den Zustand des Fahrers hinsichtlich des Grads der Normalität beziehen, oder können auch der Grad der Normalität sein, der aus dem Zustand des Fahrers erkannt wird.
Die Vorrichtung zur Ermittlung des Grads der Normalität kann den Grad der Normalität auf der Grundlage einer Situation bzw. eines Zustands hinsichtlich der Befolgung einer Verkehrsregel durch den mobilen Körper ermitteln, insbesondere ist zu bevorzugen, dass der Zustand hinsichtlich der Befolgung der Verkehrsregel eine Kombination von Graden der Befolgung einer Vielzahl von Verkehrsregeln ist, die priorisiert werden.
Die Vorrichtung zur Ermittlung des Grads der Normalität kann den Zustand hinsichtlich der Befolgung von Verkehrsregeln durch einen mobilen Körper erfassen, und kann den Grad der Normalität der Bewegungssituation des mobilen Körpers auf der Grundlage des Zustands hinsichtlich der Befolgung der Verkehrsregeln ermitteln. Der Grad der Normalität ist umso höher, he höher die Tendenz ist, Verkehrsregeln zu befolgen, und der Grad der Normalität ist umso niedriger, je niedriger die Tendenz ist, Verkehrsregeln zu befolgen. Es gibt jedoch unter einer großen Anzahl von Verkehrsregeln verschiedene Regeln, deren Grad der Wichtigkeit unterschiedlich ist. Wenn daher die Befolgung der Verkehrsregeln eine Kombination von Graden der Befolgung einer Vielzahl von Verkehrsregeln ist, die priorisiert werden, wird es daher möglich, ein geeignetes Bewegungsvorhersagemodell auszuwählen, welches dazu passt, welche Verkehrsregel den niedrigsten Level von Verkehrsregeln aufweist, oberhalb dessen oder bei welchem der Grad der Befolgung hoch ist, und welche Verkehrsregel den höchsten Level einer Verkehrsregel aufweist, unterhalb dessen oder bei welchem der Grad der Befolgung niedrig ist. Der Grad der Befolgung kann durch binäre Werte ausgedrückt werden, welche die Befolgung und die Verletzung zeigen, oder es können auch drei oder mehr Grade der Befolgung vorliegen.
Ein dritter Aspekt der Erfindung bezieht sich auf eine Vorrichtung zur Vorhersage einer Bewegungsregion, die Folgendes aufweist: Eine Vorrichtung zur Erfassung eines mobilen Körpers, die einen mobilen Körper um ein eigenes Fahrzeug erfasst; und eine Vorhersagevorrichtung, die eine Bewegungsregion des mobilen Körpers erfasst, die durch die Vorrichtung zur Erfassung des mobilen Körpers erfasst wird. Die Vorhersagevorrichtung umfasst eine Vielzahl von Bewegungsvorhersagemodellen, die verschiedene Vorhersagezeiten zur Vorhersage einer Bewegungsregion eines mobilen Körpers aufweisen, und führt die Vorhersage unter Verwendung mehrer Bewegungsvorhersagemodelle durch, um die Bewegungsregion des mobilen Körpers vorherzusagen.
Die Vorrichtung zur Erfassung des mobilen Körpers erfasst jeden mobilen Körper um das eigene Fahrzeug. Mit Bezug auf jeden mobilen Körper führt die Vorhersagevorrichtung Vorhersagen parallel durch Verwendung mehrerer Bewegungsvorhersagemodelle durch, deren Vorhersagezeiten unterschiedlich sind, und sagt dadurch Bewegungsregionen des mobilen Körpers voraus. Daher kann in der Vorrichtung zur Vorhersage der Bewegungsregion eine geeignete Bewegungsregion für jeden mobilen Körper selbst in einer Umgebung vorhergesehen werden, in welcher normale mobile Körper und abnorme mobile Körper gemischt auftreten, weil die Bewegungsregion mit Bezug auf jeden mobilen Körper unter Verwendung einer Vielzahl von Bewegungsvorhersagemodellen vorhergesagt wird, die unterschiedliche Vorhersagezeiten aufweisen. Nebenbei bemerkt können die Vorhersagezeiten der Vielzahl von Bewegungsvorhersagemodellen gleich sein, oder es können auch jeweils unterschiedliche Zeiten sein.
Die Vorrichtung zur Vorhersage der Bewegungsregion dieses Aspekts der Erfindung kann werter eine Vorrichtung zur Aufnahme eines Grads der Normalität umfassen, die den Grad der Normalität einer Bewegungssituation des erfassten mobilen Körpers ermittelt, und die Vorhersagevorrichtung kann ein Bewegungsvorhersagemodell aus der Vielzahl von Bewegungsvorhersagemodellen auf der Grundlage des Grads der Normalität auswählen, die von der Vorrichtung zur Ermittlung des Grads der Normalität ermittelt wird, und kann die Bewegungsregion des mobilen Körpers unter Verwendung des ausgewählten Bewegungsvorhersagemodells vorhersagen.
Die Vorrichtung zur Ermittlung des Grads der Normalität ermittelt den Grad der Normalität der Bewegungssituation jedes mobilen Körpers um das eigene Fahrzeug. Dann wählt die Vorhersagevorrichtung mit Bezug auf jeden mobilen Körper auf der Grundlage des Grads der Normalität Bewegungsvorhersagemodelle aus der Vielzahl von Bewegungsvorhersagemodellen aus, die unterschiedliche Vorhersagezeiten aufweisen, und führt parallel Vorhersagen unter Verwendung der ausgewählten Bewegungsvorhersagemodelle durch, die unterschiedliche Vorhersagezeiten aufweisen, und sagt dadurch die Bewegungsregion des mobilen Körpers voraus. In dem Fall, in welchem ein mobiler Körper, dessen Bewegungssituation normal ist, der Vorhersage durch die Verwendung eines Bewegungsvorhersagemodells unterzogen wird, die für einen normalen mobilen Körper vorbereitet ist, ist die Bewegungsregion des mobilen Körpers in einem bestimmten Umfang selbst dann begrenzt, wenn die Vorhersagezeit lang ist; daher sind selbst in dem Fall, in dem die Vorhersagezeit lang ist, die Vorhersageergebnisse verlässlich, und eine Sicherheit zwischen dem mobilen Körper und dem eigenen Fahrzeug kann sichergestellt werden. In dem Fall andererseits, in dem ein bezüglich der Bewegungssituation abnormer mobiler Körper der Vorhersage unter Verwendung eines Vorhersagemodells unterzogen wird, das für einen normalen mobilen Körper vorbereitet ist, vergrößert sich die Bewegungsregion auf größere als die vorhergesagten Gebiete, wenn die Vorhersagezeit steigt; daher sind die Vorhersageergebnisse nicht verlässlich, wenn die Vorhersagezeit lang ist, und die Sicherheit zwischen dem mobilen Körper und dem eigenen Fahrzeug kann nicht sichergestellt werden. Selbst in dem Fall, in welchem die Vorhersage durch die Verwendung eines Bewegungsvorhersagemodells durchgeführt wird, das für einen abnormen mobilen Körper vorbereitet ist, ist dagegen die Bewegungsregion begrenzt, wenn die Vorhersagezeit kurz ist, so dass die Vorhersageergebnisse verlässlich sind und daher die Sicherheit zwischen dem mobilen Körper und dem eigenen Fahrzeug sichergestellt werden kann.
Daher wird selbst in dem Fall, in dem die Vorhersage mit Bezug auf einen mobilen Körper durchgeführt wird, dessen Bewegungssituation normal ist, die Vorhersage mit einer kurzen Vorhersagezeit unter Verwendung eines Bewegungsvorhersagemodells durchgeführt, das für einen mobilen Körper vorbereitet ist, dessen Bewegungssituation abnorm ist, so dass es möglich wird, den Fall zu behandeln, in welchem der mobile Körper plötzlich in eine abnorme Bewegungssituation fällt, ohne die Verlässlichkeit der Vorhersageergebnisse zu verlieren. So kann die Sicherheit weiter verbessert werden. Nebenbei kann in dem Fall der Vorhersage mit einer langen Vorhersagezeit die notwendige Vorhersage unter Verwendung der Vorhersage durchgeführt werden, die unter Verwendung eines Bewegungsvorhersagemodells durchgeführt wird, das für einen mobilen Körper vorbereitet ist, dessen Bewegungssituation normal ist. Daher wird in dieser Vorrichtung zur Vorhersage der Bewegungsregion in dem Fall, in dem eine Bewegungsvorhersage eines mobilen Körpers, dessen Bewegungssituation normal ist, parallel durch eine Vielzahl von Bewegungsvorhersagemodellen durchgeführt wird, bevorzugt, dass die Vorhersage mit kurzer Vorhersagezeit unter Verwendung von Bewegungsvorhersagemodellen durchgeführt wird, die für einen mobilen Körper vorbereitet sind, dessen Bewegungssituation abnorm ist, und dass die Vorhersage in Verbindung mit langen Vorhersagezeiten unter Verwendung von Bewegungsvorhersagemodellen durchgeführt wird, die für einen mobilen Körper vorbereitet sind, dessen Bewegungssituation normal ist.
Ein vierter Aspekt der Erfindung bezieht sich auf eine Vorrichtung zur Vorhersage einer Bewegungsregion, die Folgendes aufweist: Eine Vorrichtung zur Erfassung eines mobilen Körpers, die einen mobilen Körper um ein eigenes Fahrzeug erfasst; und eine Vorhersagevorrichtung, die eine Vorhersageregion des mobilen Körpers vorhersagt, der von der Vorrichtung zur Erfassung des mobilen Körpers erfasst wird. Die Vorhersagevorrichtung weist ein Bewegungsvorhersagemodell auf, in welchem ein Vorhersageparameter zur Vorhersage der Bewegungsregion des mobilen Körpers variabel ist, und führt eine Vorhersage unter Verwendung des Bewegungsvorhersagemodells durch, dessen Vorhersagezeit variabel ist, und sagt die Bewegungsregion des mobilen Körpers voraus.
Die Vorrichtung zur Erfassung des mobilen Körpers erfasst jeden mobilen Körper um das eigene Fahrzeug. Die Vorhersagevorrichtung variiert die Vorhersagezeit in dem Bewegungsvorhersagemodell für jeden mobilen Körper, führt die Vorhersage mit verschiedenen Vorhersagezeiten durch und sagt dadurch Bewegungsregionen des mobilen Körpers voraus. Daher kann eine geeignete Bewegungsregion mit Bezug auf jeden mobilen Körper selbst in einer Umgebung vorhergesagt werden, in welcher normale mobile Körper und abnorme mobile Körper vermischt auftreten, weil für jeden mobilen Körper die Bewegungsregion unter Verwendung eines Bewegungsvorhersagemodells mit unterschiedlichen Vorhersagezeiten vorhergesagt wird.
Die Vorrichtung zur Vorhersage der Bewegungsregion kann weiterhin eine Vorrichtung zur Ermittlung des Grads der Normalität aufweisen, welche den Grad der Normalität einer Bewegungssituation des mobilen Körpers ermittelt, der von der Vorrichtung zur Erfassung des mobilen Körpers erfasst wird, und die Vorhersagevorrichtung kann die Vorhersagezeit auf der Grundlage des Grads der Normalität bestimmen, der von der Vorrichtung zur Ermittlung des Grads der Normalität ermittelt wird, und kann die Bewegungsregion des mobilen Körpers unter Verwendung des Bewegungsvorhersagemodells vorhersagen, dessen Vorhersagezeitgleich der bestimmten Vorhersagezeit ist.
Die Vorrichtung zur Ermittlung des Grads der Normalität ermittelt den Grad der Normalität der Bewegungssituation jedes mobilen Körpers um das eigene Fahrzeug. Für jeden mobilen Körper bestimmt die Vorhersagevorrichtung eine Vorhersagezeit auf der Grundlage des Grads der Normalität und führt die Vorhersage unter Verwendung des Bewegungsvorhersagemodells durch, dessen Vorhersagezeit gleich der vorab festgelegten Vorhersagezeit ist, und sagt dadurch die Bewegungsregion voraus.
In der erfindungsgemäßen Vorrichtung zur Vorhersage der Bewegungsregion wird bevorzugt, dass mehrere Ergebnisse der Bestimmung, die parallel von den mehreren Bewegungsvorhersagemodellen bereitgestellt werden, in einer Reihenfolge der steigenden Längen der Vorhersagezeiten der Vorhersageergebnisse evaluiert werden.
Bezüglich der Bewegungsvorhersagemodelle gilt, dass die Verlässlichkeit umso höher ist, je kürzer die Vorhersagezeit ist, und je kleiner die vorhergesagte Bewegungsregion ist. Daher ist es notwendig, die vorhergesagten Bewegungsregionen sicher zu vermeiden, deren Vorhersagezeiten vergleichsweise kurz sind (deren Auftreten in der relativ nahen Zukunft vorhergesagt wird), um die Sicherheit in der Beziehung zwischen mobilen Körpern und dem eigenen Fahrzeug zu erhöhen. Zu diesem Zweck evaluiert die Vorrichtung zur Vorhersage der Bewegungsregion Ergebnisse der Vorhersage in der Reihenfolge steigender Längen der Vorhersagezeiten der Ergebnisse der Vorhersage (der Bewegungsregionen), so dass die Sicherheit sichergestellt werden kann. Beispielsweise werden Ergebnisse der Vorhersage nacheinander in der Reihenfolge ansteigender Längen der Vorhersagezeiten ausgegeben. Dann kann bestimmt werden, dass eine Kollision bevorsteht, wenn bestimmt wird, dass ein Ergebnis der Vorhersage bei einer bestimmten Vorhersagezeit mit einer zukünftigen Position des eigenen Fahrzeugs kollidiert. Daher beendet die Vorrichtung zur Vorhersage der Bewegungsregion den momentanen Vorgang am Punkt der Evaluierung des Ergebnisses der Vorhersage auf der Grundlage dieser bestimmten Vorhersagezeit, und geht zu einem Vorgang zur Vermeidung der Kollision über.
Weil in der Erfindung die Bewegungsregion eines mobilen Körpers durch Anwendung eines Bewegungsvorhersagemodells vorhergesagt wird, das zu der Vorhersagezeit oder dem Grad der Normalität des Fahrer dieses mobilen Körpers passt, kann eine geeignete Bewegungsregion mit Bezug auf jeden mobilen Körper selbst in einer Umgebung vorhergesagt werden, in welcher normale mobile Körper und abnorme mobile Körper vermischt auftreten.
KURZE ERLÄUTERUNG DER FIGUREN
Die Merkmale, Vorteile und die technische und industrielle Bedeutung dieser Erfindung werden in der nachstehenden genauen Beschreibung beispielhafter Ausführungsformen der Erfindung mit Bezug auf die beigefügten Figuren beschrieben, in denen ähnliche Bezugszeichen ähnliche Elemente bezeichnen, und in denen:
1 ein Aufbauschaubild einer Bewegungsvorhersagevorrichtung gemäß einer ersten Ausführungsform der Erfindung ist;
2A und 2B Beispiele von Ergebnissen der Bewegungsvorhersage zeigen, die durch eine Bewegungserfassungsvorrichtung aus dem Stand der Technik für Fahrzeuge vor dem eigenen Fahrzeug durchgeführt wird, und die jeweils den Fall zeigen, in dem alle Fahrzeuge als abnorme Fahrzeuge angenommen werden, und den Fall, in dem alle Fahrzeuge als normale Fahrzeuge angenommen werden;
3 Beispiele von Ergebnissen der Bewegungsvorhersage durch die in 1 gezeigte Bewegungsvorhersagevorrichtung mit Bezug auf Fahrzeuge vor dem eigenen Fahrzeug zeigt;
4 ein Ablaufplan ist, der einen Ablauf von Vorgängen zeigt, die von der in 1 gezeigten Bewegungsvorhersagevorrichtung durchgeführt werden;
5 ein Aufbauschaubild einer Bewegungsvorhersagevorrichtung in Übereinstimmung mit einer zweiten Ausführungsform der Erfindung ist;
6 ein Beispiel der Bewegung eines Fahrzeugs auf einer gekrümmten bzw. um eine Kurve führenden Straße zeigt;
7 ein Beispiel der Bewegung eines Fahrzeugs in dem Fall zeigt, in dem es ein anderes Fahrzeug gibt, das vor dem Fahrzeug anhält;
8A, 8B und 8C Beispiele von Ergebnissen der unter Verwendung von Bewegungsvorhersagemodellen durchgeführten Bewegungsvorhersage zeigen, und jeweils Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell zeigen, bei welchem ein entgegenkommendes Fahrzeug, das in der entgegenkommenden Spur, nicht in der falschen Spur, fährt, als in die falsche Spur kommend angenommen wird, Ergebnisse der Bewegungserfassung durch ein Bewegungserfassungsmodell, in welchem ein entgegenkommendes Fahrzeug, das in der falschen Spur fährt, als das Fahren in der falschen Spur beibehaltend angenommen wird, und Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, in dem angenommen wird, dass ein entgegenkommendes Fahrzeug, das in der entgegenkommenden Spur, nicht in der falschen Spur, fährt, in der Spur bleibt;
9 ein Ablaufplan ist, der einen Ablauf des Vorgangs zeigt, der durch die Bewegungsvorhersagevorrichtung durchgeführt wird, die in 5 gezeigt ist;
10 ein Aufbauschaubild einer Bewegungserfassungsvorrichtung nach einer dritten Ausführungsform der Erfindung ist;
11A, 11B, 11C und 11D Beispiele von Ergebnissen der Bewegungsvorhersage zeigen, die unter Verwendung verschiedener Bewegungsvorhersagemodelle durchgeführt wird, und jeweils Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell zeigen, in welchem die Vorhersagezeit eine Sekunde beträgt und die Manipulationswahrscheinlichkeit gleichförmig verteilt ist, Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, in welchem die Vorhersagezeit eine Sekunde beträgt und angenommen wird, dass die Fahrzeuge die Spur halten, Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, in welchem die Vorhersagezeit fünf Sekunden beträgt und die Manipulationswahrscheinlichkeit gleichförmig verteilt ist, und Ergebnisse der Bewegungsvorhersage durch einen Bewegungsvorhersagemodell, in welchem die Vorhersagezeit fünf Sekunden ist und angenommen wird, dass die Fahrzeuge die Spur halten;
12 ein Ablaufplan ist, der einen Ablauf der Vorgänge zeigt, die von der in 10 gezeigten Bewegungsvorhersagevorrichtung durchgeführt werden; und
13 eine Tabelle ist, die ein Beispiel des Verfahrens zur Auswahl von Bewegungsvorhersagemodellen in dem Fall zeigt, in welchem ein sequenzieller Vorgang und parallele Vorhersagen kombiniert werden.
GENAUE ERLÄUTERUNG VON AUSFÜHRUNGSFORMEN
Eine Bewegungsvorhersagevorrichtung gemäß einer Ausführungsform der Erfindung sagt Bewegungen von Objekten (mobilen Körpern) um oder in der Nähe eines eigenen Fahrzeugs (die nachstehend auch als die nahen Objekte bezeichnet werden) unter Verwendung einer Vielzahl von Bewegungsvorhersagemodellen voraus, und stellt die Ergebnisse der Vorhersage verschiedenen Fahrassistenzvorrichtungen (einer Kollisionsverhütungsvorrichtung und Ähnlichem) oder einer automatischen Fahrvorrichtung oder Ähnlichem bereit. In einer ersten Ausführungsform der Erfindung wird ein Bewegungsvorhersagemodell für ein nahes Objekt entsprechend dem Grad der Normalität des nahen Objekts ausgewählt. In einer zweiten Ausführungsform wird ein Bewegungsvorhersagemodell für ein nahes Objekt gemäß der Situation der Befolgung von Verkehrsregeln durch das nahe Objekt ausgewählt. In einer dritten Ausführungsform wird die Bewegungsvorhersage parallel unter Verwendung einer Vielzahl von Bewegungsvorhersagemodellen durchgeführt.
Mit Bezug auf 1 bis 3 wird eine Bewegungsvorhersagevorrichtung 1 gemäß der ersten Ausführungsform beschrieben. 1 ist ein Aufbauschaubild einer Bewegungsvorhersagevorrichtung gemäß der ersten Ausführungsform. Die 2A und 2B zeigen Beispiele von Ergebnissen der Bewegungsvorhersage, die durch eine Bewegungsvorhersagevorrichtung aus dem Stand der Technik mit Bezug auf Fahrzeuge vor dem eigenen Fahrzeug durchgeführt werden, und zeigen jeweils den Fall, in dem alle Fahrzeuge als abnorme Fahrzeuge angesehen werden, und den Fall, in dem alle Fahrzeuge als normale Fahrzeuge angesehen werden. 3 zeigt Beispiele von Ergebnissen der Bewegungsvorhersage durch die in 1 gezeigte Bewegungsvorhersagevorrichtung für Fahrzeuge vor dem eigenen Fahrzeug.
Mit Bezug auf jedes der Objekte in der Nähe oder um das eigene Fahrzeug wählt die Bewegungsvorhersagevorrichtung 1 ein Bewegungsvorhersagemodell aus einer Vielzahl von Bewegungsvorhersagemodellen, welches zu dem nahen Objekt passt, und sagt die Bewegung des nahen Objekts auf der Grundlage des gewählten Bewegungsvorhersagemodells voraus. Insbesondere schätzt die Bewegungsvorhersagevorrichtung 1 den Grad der Normalität jedes nahen Objekts in einer Bewegungssituation und wählt ein Bewegungsvorhersagemodell für jedes nahe Objekt, das zu dem Grad der Normalität desselben passt. Daher umfasst die Bewegungsvorhersagevorrichtung 1 eine Einrichtung 10 zum Sammeln von Reiseinformationen, eine Objekterfassungseinrichtung 11, eine Einrichtung 12 zur Abschätzung eines Normalitätsgrads, eine Einrichtung 13 zur Auswahl eines Bewegungsvorhersagemodells, und eine Einrichtung 14 zur Bewegungsvorhersage. Die Objekterfassungseinrichtung 11, die Einrichtung 12 zur Abschätzung eines Normalitätsgrads, die Einrichtung 13 zur Auswahl eines Bewegungsvorhersagemodells, und die Einrichtung 14 zur Bewegungsvorhersage sind in einer ECU (Electronic Control Unit, elektronische Steuereinheit), die eine CPU (Central Processing Unit, Zentralprozessoreinheit), ein ROM (Read-Only Memory, Nur-Lesespeicher), ein RAM (Random Access Memory, Speicher mit wahlfreiem Zugriff) usw. umfasst.
Nebenbei bemerkt kann in der ersten Ausführungsform die Einrichtung 10 zum Sammeln von Reiseinformationen und die Objekterfassungseinrichtung 11 als eine Vorrichtung zur Erfassung eines mobilen Körpers betrachtet werden, und die Einrichtung 12 zur Abschätzung eines Normalitätsgrads kann als Vorrichtung zur Ermittlung eines Normalitätsgrads betrachtet werden, und die Einrichtung 13 zur Auswahl eines Bewegungsvorhersagemodells sowie die Einrichtung 14 zur Bewegungsvorhersage können als eine Vorhersagevorrichtung angesehen werden, und die Vielzahl von Bewegungsvorhersagemodellen, die vorab durch die Einrichtung 13 zur Auswahl eines Bewegungsvorhersagemodells vorbereitet sind, können als eine Vielzahl von Bewegungsvorhersagemodellen bzw. mehrere Bewegungsvorhersagemodelle angesehen werden.
Die Einrichtung 10 zum Sammeln von Reiseinformationen ermittelt durch Abtasten aufgenommene Informationen über den Fahrzustand eigener Fahrzeuge bzw. des eigenen Fahrzeugs, über Objekte in der Nähe des eigenen Fahrzeugs, Vorwissen usw..
Der Fahrzustand des eigenen Fahrzeugs umfasst die Geschwindigkeit, die Beschleunigung, den Lenkwinkel, die derzeitige Position usw. Beispiele der Einrichtung zur Erfassung der vorstehenden Informationen umfassen verschiedene Sensoren für Geschwindigkeit, Beschleunigung, Lenkwinkel usw. und umfassen auch eine GPS-Empfangsvorrichtung, eine Fahrzeugnavigationsvorrichtung usw.
Beispiele der Abtasteinrichtung zum Erfassen von Objekten um das oder in der Nähe des eigenen Fahrzeugs umfassen verschiedene Radarvorrichtungen wie ein Millimeterwellenradar oder etwas Ähnliches, Kameras (Bildsensoren) wie eine Stereokamera oder etwas Ähnlichem, einen Laserentfernungsmesser usw. Beispiele der durch Abtasten aufgenommenen Information umfassen Daten, die an jedem Erfassungspunkt durch ein Radar erfasst werden (ein Lichtaussendezeitpunkt, ein Lichtempfangszeitpunkt, eine Abtastrichtung, eine Reflexivität), durch eine Kamera aufgenommene Bilder, Daten, die durch einen Laserabstandsmesser erfasst werden.
Das Vorwissen umfasst verschiedene Arten von Information, die vorab aufgenommen werden können, und die für das Fahren von Fahrzeugen benötigt werden, wie Landkarten, verschiedene Verkehrsregeln, die mit der Position auf den Straßen verknüpft berücksichtigt werden (beispielsweise Einbahnverkehr, Geschwindigkeitsbeschränkungen, Stoppschilder, Fahrbahnmarkierungen [gelbe Linien, weiße Linien], Vorfahrtsstraßen und nachrangige Straßen), Ampeln usw. Das Vorwissen wird vorab in einer Datenbank gespeichert, die in der Bewegungsvorhersagevorrichtung 1 eingebaut ist, und Information über den derzeitigen Ort und das ihn umgebende Gebiet wird abhängig vom derzeitigen Ort des eigenen Fahrzeugs aus der Datenbank entnommen.
Die Objekterfassungseinrichtung 11 erfasst nahe Objekte um das eigene Fahrzeug auf der Grundlage der durch Abtasten aufgenommenen Information, die von der Einrichtung 10 zum Sammeln von Reiseinformationen erfasst wird. Konkret versucht die Objekterfassungseinrichtung 11, ein nahes Objekt durch Durchführen der Verarbeitung von Daten zu erfassen, die von einem Laser an jedem Erfassungspunkt erhalten werden, und durch Durchführen der Verarbeitung aufgenommener Bilder usw. Dann berechnet die Objekterfassungseinrichtung 11 Informationen über ein nahes Objekt, wenn dieses nahe Objekt erfasst wird. Beispiele des nahen Objekts umfassen mobile Körper wie Automobile, Motorräder, Fahrräder, Fußgänger usw. Die Information über nahe Objekte umfasst deren relative Positionen (x, y) relativ zum eigenen Fahrzeug, deren Geschwindigkeiten relativ zum eigenen Fahrzeug oder deren Absolutgeschwindigkeiten, deren Richtungen relativ zum eigenen Fahrzeug oder absolute Richtungen derselben, die Ausrichtung der Reifen derselben relativ zu den Fahrzeugkarosserien im Fall von Automobilen usw.
Für jedes der nahen Objekte, das von der Objekterfassungseinrichtung 11 erfasst wird, schätzt die Einrichtung 12 zur Abschätzung des Grads der Normalität den Grad der Normalität des Verhaltens (den Bewegungszustand) des nahen Objekts unter Verwendung der vergangenen bzw. früheren Bewegungen des nahen Objekts ab. Beispiele der früheren Bewegungen umfassen Ortkurven von Positionen in Zeitserien, zeitabhängige Änderungen der Geschwindigkeit (Beschleunigung/Verzögerung), und zeitabhängige Änderungen der Fahrtrichtung. Hinsichtlich des Verfahrens zur Abschätzung des Grads der Normalität wird der Grad der Normalität eines nahen Objekts aus dem Grad des Pendelns des nahen Objekts, dem Grad der Befolgung der Verkehrsregeln durch dasselbe, die Beschleunigung/Verzögerung (mit einer zulässigen Beschleunigung/Verzögerung), dem Risiko (der Kollisionswahrscheinlichkeit), welches das nahe Objekt bezüglich der Kollision mit einem anderen Objekt eingeht, usw. abgeschätzt. Der Grad des Pendelns eines nahen Objekts wird aus der Ortskurve der Position des nahen Objekts in einer Zeitserie oder auf ähnliche Weise abgeschätzt. Der Grad des Befolgens der Verkehrsregeln durch ein nahes Objekt wird durch Vergleich der zeitseriellen Ortskurve der Position des nahen Objekts, dessen Geschwindigkeit usw. mit den verschiedenen Verkehrsregeln um die derzeitige bzw. an der derzeitigen Position des eigenen Fahrzeugs, dem Zustand von Ampeln bzw. Verkehrslichtzeichenanlagen usw. abgeschätzt. Die Kollisionswahrscheinlichkeit mit einem nahen Objekt wird aus den Ortskurven der zeitseriellen Position des nahen Objekts, anderer naher Objekte und des eigenen Fahrzeugs, zeitabhängigen Änderungen der Geschwindigkeiten derselben, zeitabhängigen Änderungen der Richtungen derselben usw. abgeschätzt.
Der Grad der Normalität ist der Grad der Normalität der Bewegungssituation eines nahen Objekts. Der Grad der Normalität des nahen Objekts ist umso höher, je normaler die Bewegungssituation desselben ist, und ist umso niedriger, je abnormer die Bewegungssituation desselben ist. Beispielsweise ist der Grad der Normalität eines nahen Objekts umso niedriger, je größer das Pendeln des nahen Objekts ist, und der Grad der Normalität ist umso niedriger, je niedriger der Grad der Befolgung der Verkehrsregeln durch das Objekt ist. Weiterhin ist der Grad der Normalität eines nahen Objekts umso niedriger, je höher die Kollisionswahrscheinlichkeit ist, welche das nahe Objekt akzeptiert, und ist umso niedriger, je größer seine Beschleunigung/Verzögerung ist. Der Grad der Normalität kann eine Vielzahl von Parametern aufweisen. In einem solchen Fall wird ein normaler Grad separat für jeden Parameter festgelegt. Beispielsweise kann der Grad der Normalität in der Richtung von links nach rechts auf der Grundlage des Grads des Pendelns und in ähnlicher Weise angegeben werden. Der Grad der Normalität in der Richtung von links nach rechts ist umso niedriger, je größer der Grad des Pendelns ist. Zudem kann der Grad der Normalität in der Fahrtrichtung auf der Grundlage der Beschleunigung/Verzögerung oder auf ähnliche Weise angegeben werden. Der Grad der Normalität in der Fahrtrichtung ist umso niedriger, je größer die Beschleunigung/Verzögerung ist.
Mit Bezug auf jedes der von der Objekterfassungseinrichtung 11 erfassten nahen Objekte wählt die Einrichtung 13 zur Auswahl eines Bewegungsvorhersagemodells ein optimales Bewegungsvorhersagemodell aus, das zu dem Grad der Normalität passt, der von der Einrichtung 12 zur Abschätzung eines Normalitätsgrads abgeschätzt wird. Mehrere Bewegungsvorhersagemodelle sind vorab in der Datenbank gespeichert, die in der Vorrichtung 1 zur Bewegungsvorhersage aufgebaut ist. Die Einrichtung 13 zur Auswahl des Bewegungsvorhersagemodells durchsucht die Datenbank unter Verwendung des Grads der Normalität als Schlüssel, und entnimmt ein Bewegungsvorhersagemodell aus der Datenbank, das zu dem Grad der Normalität passt.
Die Bewegungsvorhersagemodelle werden entsprechend den Graden der Normalität vorbereitet. Jedes Bewegungsvorhersagemodell gibt nach der Eingabe von Informationen über ein nahes Objekt (der Position, der Geschwindigkeit, der Richtung usw. desselben) den Bereich, in welchem das Objekt nach einer vorab festgelegten Zeit (beispielsweise nach fünf Sekunden) zu erwarten ist, als eine Bewegung des nahen Objekts aus. Dieser Existenzbereich kann lediglich ein Bereich sein, oder er kann auch die Existenzwahrscheinlichkeit des Objekts innerhalb des Bereichs umfassen. Jedes Bewegungsvorhersagemodell sagt einen Existenzbereich (der, falls notwendig mit der Existenzwahrscheinlichkeit versehen ist) entsprechend dem Grad der Normalität voraus (siehe 3). Der Existenzbereich und die Existenzwahrscheinlichkeit, die auf diese Weise vorhergesagt werden, variieren in der Form und Größe des Bereichs, des Werts der Wahrscheinlichkeit in dem Bereich, usw. Beispielsweise sind die Bewegungsvorhersagemodelle so, dass der Existenzbereich in der Richtung von links nach rechts umso breiter wird, je kleiner der Grad der Normalität in der Richtung von links nach rechts ist, und je niedriger die Wahrscheinlichkeit der Existenz in dem Bereich wird. Nebenbei bemerkt sind die Bewegungsvorhersagemodelle so, dass ihre Länge in der Fahrtrichtung umso länger wird, je niedriger der Grad der Normalität in der Fahrtrichtung ist, und je niedriger die Wahrscheinlichkeit der Existenz ist.
Die Einrichtung 14 zur Bewegungsvorhersage sagt mit Bezug auf die nahen Objekte, die von der Objekterfassungseinrichtung 11 erfasst werden, die Bewegung des nahen Objekts unter Verwendung der Bewegungsvorhersagemodelle derselben voraus, die von der Einrichtung 13 zur Auswahl eines Bewegungsvorhersagemodells ausgewählt wurden. Konkret gibt die Einrichtung 14 zur Bewegungsvorhersage Informationen über das nahe Objekt für jedes nahe Objekt in das Bewegungsvorhersagemodell ein, das für das nahe Objekt ausgewählt wurde, und gibt den Existenzbereich des nahen Objekts (und, falls notwendig, die Wahrscheinlichkeit der Existenz desselben) über das Bewegungsvorhersagemodell aus.
2A und 2B zeigen Fälle, in denen auf einer Straße mit drei Spuren, die in die selbe Richtung führen, ein eigenes Fahrzeug MV in der linken Spur der drei Spuren fährt, und ein anderes Fahrzeug PV1 in der linken Spur vor dem eigenen Fahrzeug MV fährt, und ein noch anderes Fahrzeug PV2 in der mittleren Spur vor dem eigenen Fahrzeug MV fährt. In diesem Fall fährt das andere Fahrzeug PV1 normal, und das Fahrzeug PV2 pendelt stark, das bedeutet, fährt abnorm.
2A zeigt einen Fall, in dem die Bewegungsvorhersage unter der Annahme durchgeführt wird, dass alle anderen Fahrzeuge abnorme Fahrzeuge sind. In diesem Fall werden breite Existenzbereiche AA1 und AA2 vorhergesagt, in denen sich die anderen Fahrzeuge PV1 und PV2 nach einer vorab festgelegten Zeit befinden können. Die vorhergesagten Bereiche AA1 und AA2 erstrecken sich weit über die Spuren hinaus, in denen die anderen Fahrzeug PV1 und PV2 jeweils fahren. Wenn daher in diesem Fall ein Zielkurs des eigenen Fahrzeugs MV erzeugt wird, wird ein Zielkurs TC1 erzeugt, auf welchem sich das eigene Fahrzeug MV kaum hinter dem anderen Fahrzeug PV1 bewegt, um eine Sicherheit zwischen dem eigenen Fahrzeug und den anderen Fahrzeugen PV1 und PV2 sicherzustellen. In dem Fall, in welchem das eigene Fahrzeug MV der Sollortskurve TC1 folgend fährt, wird es schwierig, sich in Richtung des Ziels zu bewegen.
2B zeigt einen Fall, in welchem die Bewegungsvorhersage unter der Annahme durchgeführt wird, dass alle anderen Fahrzeuge normale Fahrzeug sind. In diesem Fall werden kleine Existenzbereiche NA1 und NA2 vorhergesagt, in denen sich die anderen Fahrzeuge PV1 und PV2 nach einer vorab bestimmten Zeit befinden. Die vorab festgelegten Bereiche NA1 und NA2 erstrecken sich weit entlang der Spuren, auf welchen jeweils die anderen Fahrzeuge PV1 und PV2 fahren. Wenn daher in diesem Fall ein Zielkurs des eigenen Fahrzeugs MV erzeugt wird, kann ein Zielkurs so erzeugt werden, dass das eigene Fahrzeug in eine Spur fährt, die sich auf der Seite der anderen Fahrzeuge PV1, PV2 erstreckt; konkret wird ein Zielkurs TC2 so erzeugt, dass das eigene Fahrzeug MV die Spuren wechselt, um sich zur rechten Seite des anderen Fahrzeugs PV2 zu bewegen. In dem Fall, in welchem das eigene Fahrzeug MV der Sollartskurve TC2 folgend fährt, wird jedoch die Wahrscheinlichkeit einer Kollision des eigenen Fahrzeugs MV mit dem anderen Fahrzeug PV2 hoch, das stark pendelt, und somit verringert sich die Sicherheit.
3 zeigt einen Fall, in welchem die Bewegungen der anderen Fahrzeuge PV1 und PV2 unter Verwendung einer Bewegungsvorhersagevorrichtung 1 in einer Situation wie in den 2A und 2B gezeigt vorhergesagt werden. In diesem Fall wird für das andere Fahrzeug PV1, das in normaler Weise fährt, ein Bewegungsvorhersagemodell mit einem hohen Grad der Normalität gewählt. Unter Verwendung dieses Bewegungsvorhersagemodells wird ein kleiner Existenzbereich A1 vorhergesagt, in dem das andere Fahrzeug PV1 nach einer vorab festgelegten Zeit existieren wird. Andererseits wird bezüglich des anderen Fahrzeugs PV2, das in abnormer Weise fährt, ein Bewegungsvorhersagemodell mit einem niedrigen Grad der Normalität ausgewählt. Unter Verwendung dieses Bewegungsvorhersagemodells wird ein breiter Bereich als der Existenzbereich A2 vorhergesagt, in dem sich das andere Fahrzeug PV2 nach einer vorab festgelegten Zeit mit Bezug auf die jeweilige Wahrscheinlichkeit der Existenz befinden kann. Daher wird ein Zielkurs TC so erzeugt, dass das eigene Fahrzeug MV auf die Spur wechselt, die sich rechts vom anderen Fahrzeug PV1 erstreckt (auf die mittlere Spur) und sich hinter das andere Fahrzeug PV2 bewegt, wodurch bei der Erzeugung eines Zielkurses des eigenen Fahrzeugs MV die Sicherheit bezüglich der anderen Fahrzeuge PV1 und PV2 gewährleistet ist. In dem Fall, in welchem das eigene Fahrzeug MV der Sollortskurve TC folgend fährt, steigt die Effizienz der Bewegung des eigenen Fahrzeugs hin zu dem Ziel, während die Sicherheit gewährleistet ist.
Mit Bezug auf 1 wird ein Betrieb der Bewegungserfassungsvorrichtung 1 unter Verwendung des in 4 gezeigten Ablaufplans erläutert. 4 ist ein Ablaufplan, der einen Ablauf in der in 1 gezeigten Bewegungsvorhersagevorrichtung zeigt.
Die Bewegungsvorhersagevorrichtung 1 erfasst den Fahrzustand des eigenen Fahrzeugs (S10). Zudem führt die Bewegungsvorhersagevorrichtung 1 ein Abtasten nach nahen Objekten um das eigene Fahrzeug durch (S11). Dann erfasst die Bewegungsvorhersagevorrichtung 1 Informationen über jedes nahe Objekt auf der Grundlage der in S11 durch Abtasten aufgenommenen erhaltenen Informationen (S12).
Die Bewegungsvorhersagevorrichtung 1 schätzt für jedes nahe Objekt den Grad der Normalität des Verhaltens des nahen Objekts auf der Grundlage der früheren Bewegungen des nahen Objekts ab (S13). Dann wählt die Bewegungsvorhersagevorrichtung 1 ein optimales Bewegungsvorhersagemodell passend zum Grad der Normalität (S14). Zudem sagt die Bewegungsvorhersagevorrichtung 1 die Bewegungen der nahen Objekte unter Verwendung der ausgewählten Bewegungsvorhersagemodelle voraus (S15).
Dann gibt die Bewegungsvorhersagevorrichtung 1 Ergebnisse der Vorhersage der Bewegung jedes der nahen Objekte an verschiedene Fahrassistenzvorrichtungen oder eine automatische bzw. autonome Fahrvorrichtung aus.
Mit dieser Bewegungsvorhersagevorrichtung 1 kann eine geeignete Bewegungsregion für jeden mobilen Körper selbst in einer Umgebung vorhergesagt werden, in der normale mobile Körper und abnorme mobile Körper vermischt auftreten, indem die Bewegung eines nahen Objekts (eines mobilen Körpers) durch ein Bewegungsvorhersagemodell vorhergesagt wird, das zu dem Grad der Normalität des Verhaltens des nahen Objekts passt. Durch Durchführen einer Fahrassistenz des eigenen Fahrzeugs oder Durchführen der automatischen Fahrt des eigenen Fahrzeugs unter Verwendung der Ergebnisse der Vorhersage bezüglich jedes mobilen Körpers können sowohl die Effizienz des eigenen Fahrzeugs, das zu einem Ziel fährt, als auch die Sicherheit zwischen mobilen Körpern sogar in einer Umgebung erzielt werden, in welcher normale mobile Körper und abnorme mobile Körper gemischt auftreten.
Mit Bezug auf die 5 bis 8C wird eine Bewegungsvorhersagevorrichtung 2 nach einer zweiten Ausführungsform der Erfindung beschrieben. 5 ist ein Aufbauschaubild einer Bewegungsvorhersagevorrichtung nach der zweiten Ausführungsform. 6 zeigt ein Beispiel der Bewegung eines Fahrzeugs auf einer Straße, die eine Kurve bildet, 7 zeigt ein Beispiel der Bewegung eines Fahrzeugs in dem Fall, in dem ein anderes Fahrzeug vorhanden ist, das vor dem Fahrzeug gestoppt ist. 8A, 8B und 8C zeigen Beispiele für Ergebnisse der unter Verwendung von Bewegungsvorhersagemodellen durchgeführten Bewegungsvorhersage. Sie zeigen jeweils Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, in welchem ein entgegenkommendes Fahrzeug PV, das auf der entgegenkommenden Spur und nicht auf der Spur in die falsche Richtung fährt, als in die falsche Spur kommend angenommen wird, Beispiele für Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, in welchem angenommen wird, dass ein entgegenkommendes Fahrzeug PV, das auf der Spur in der falschen Richtung fährt, dabei bleibt, auf der Spur in der falschen Richtung zu fahren, und ein Ergebnis der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, in welchem ein entgegenkommendes Fahrzeug, das auf der entgegenkommenden Spur und nicht auf der Spur in die falsche Richtung fährt, als in der Spur verbleibend angenommen wird.
Die Bewegungsvorhersagevorrichtung 2 wählt für jedes Objekt, das in der Nähe des oder um das eigene Fahrzeug existiert, ein Bewegungsvorhersagemodell aus einer Vielzahl von Bewegungsvorhersagemodellen aus, das zu dem nahen Objekt passt, und sagt die Bewegung des nahen Objekts auf der Grundlage des ausgewählten Bewegungsvorhersagemodells aus. Insbesondere bestimmt die Bewegungsvorhersagevorrichtung 2 für jedes nahe Objekt den Grad der Befolgung von Verkehrsregeln durch dasselbe, und wählt ein Bewegungsvorhersagemodell, das zu der Verkehrsregel passt, deren Befolgungsgrad niedrig ist, und die den höchsten Grad an Wichtigkeit unter den Verkehrsregeln aufweist, deren Befolgungsgrad niedrig ist. Zu diesem Zweck umfasst die Bewegungsvorhersagevorrichtung 2 eine Einrichtung 20 zum Sammeln von Reiseinformationen, eine Objekterfassungseinrichtung 21, eine Verkehrsregelbestimmungseinrichtung 22, eine Einrichtung 23 zur Auswahl eines Bewegungsvorhersagemodells und eine Einrichtung 24 zur Bewegungsvorhersage. Die Objekterfassungseinrichtung 21, die Verkehrsregelbestimmungseinrichtung 22, die Einrichtung 23 zur Auswahl eines Bewegungsvorhersagemodells und die Einrichtung 24 zur Bewegungsvorhersage sind innerhalb einer ECU aufgebaut, die eine CPU, ein ROM, ein RAM usw. umfasst. Nebenbei bemerkt sind die Einrichtung 20 zum Sammeln von Reiseinformationen, die Objekterfassungseinrichtung 21 und die Einrichtung 24 zur Bewegungsvorhersage im Wesentlichen die gleichen wie die Einrichtung 10 zum Sammeln von Reiseinformationen, die Objekterfassungseinrichtung 11 und die Einrichtung 14 zur Bewegungsvorhersage nach der ersten Ausführungsform. Daher werden deren Beschreibungen weggelassen.
Nebenbei bemerkt können in der zweiten Ausführungsform die Einrichtung 20 zum Sammeln von Reiseinformationen und die Objekterfassungseinrichtung 21 als eine Einrichtung zur Erfassung eines mobilen Körpers betrachtet werden, und die Verkehrsregelbestimmungseinrichtung 22 kann als eine Einrichtung zur Ermittlung des Grads der Normalität betrachtet werden, und die Einrichtung 23 zur Auswahl eines Bewegungsvorhersagemodells und die Einrichtung 24 zur Bewegungsvorhersage können als eine Vorhersagevorrichtung betrachtet werden, und eine Vielzahl von Bewegungsvorhersagemodellen, die vorab durch die Einrichtung 23 zur Auswahl eines Bewegungsvorhersagemodells vorbereitet wurden, kann als eine Vielzahl von Bewegungsvorhersagemodellen angesehen werden.
Mit Bezug auf jedes von der Objekterfassungseinrichtung 21 erfasste nahe Objekt bestimmt die Verkehrsregelbestimmungseinrichtung 22 den Grad der Befolgung einer Vielzahl von Verkehrsregeln durch das nahe Objekt auf der Grundlage der Bewegung des nahen Objekts in der Vergangenheit und seines derzeitigen Fahrzustands. Die Bezeichnung „Verkehrsregeln” ist in dieser Anwendung ein Konzept, welches kollektiv sowohl verschiedene Verkehrsregelungen bzw. -vorschriften als auch korrektes Verkehrsverhalten umfasst. Daher umfassen die Verkehrsregeln hier einen minimalen Standard eines Verhaltens, das in Verbindung mit der Fahrt oder dem Führen von Fahrzeugen beachtet werden muss, wozu gehört, dass ein Fahrzeug so gefahren wird, dass das Fahrzeug nicht ausbricht (das Fahrzeug im Reibkreis bleibt), und so, dass das Fahrzeug auf einer Straßenfläche bzw. Straßenoberfläche bleibt.
Konkret bestimmt die Verkehrsregelbestimmungseinrichtung den Grad der Befolgung von Verkehrsregeln durch jedes nahe Objekt separat für jede Verkehrsregel auf der Grundlage der früheren Bewegungen und des derzeitigen Fahrzustands des nahen Objekts sowie der Verkehrsregeln, die zu der Richtung des nahen Objekts passen. Der Grad der Befolgung kann ein binärer Wert sein, der eine Befolgung oder Verletzung zeigt, oder kann auch aus drei oder mehr Befolgungsgraden (Verletzungsgraden) bestehen. Die Verkehrsregeln umfassen Verkehrsregeln, die aus der Datenbank entnommen werden (Geschwindigkeitsbeschränkungen oder Ähnliches), wobei die derzeitigen Positionen der nahen Objekte und die Richtungen der nahen Objekte als ein Schlüssel verwendet werden, und Verkehrsregeln, die stets für nahe Objekte unabhängig von der derzeitigen Position der nahen Objekte und der Richtung der nahen Objekte gelten (einen Fahrweise des Fahrzeugs so, dass das Fahrzeug nicht ausbricht, oder ähnliches). Zudem können die Verkehrsregeln, die für nahe Objekte gelten, unter Verwendung von Fahrzeug-zu-Fahrzeug-Kommunikation oder Straße-zu-Fahrzeug-Kommunikation aufgenommen werden.
In dem Fall, in welchem es lediglich in der Weise einer Auswahl zwischen zwei Möglichkeiten bestimmt wird, ob ein nahes Objekt die Verkehrsregeln befolgt (ob das Fahrzeug alle zu befolgenden Verkehrsregeln befolgt oder diese verletzt), kann das Verhalten des Fahrers eines nahen Objekts mit Bezug auf die Verkehrsregeln nicht genau bestimmt werden. Beispielsweise ist es bezüglich eines Fahrzeugs, das ungefähr 10 km/h schneller als eine Geschwindigkeitsbeschränkung fährt, nicht akkurat oder präzise, universell zu bestimmen, dass das Fahrzeug ein Fahrzeug ist, das Verkehrsregeln verletzt. Daher wird die Befolgung mit Bezug auf jede aus einer Vielzahl von Verkehrsregeln bestimmt, und das Verhalten jedes nahen Objekts bezüglich der Verkehrsregeln wird genau bestimmt.
Die nachstehende Beschreibung wird in Verbindung mit einer Vielzahl von Verkehrsregeln wie in 13 gezeigt gegeben, nämlich „Im Reibkreis bleiben.”, „Straße nicht verlassen.”, „Nicht gegen Fahrtrichtung fahren.”, „Übergangsregeln respektieren.”, „Auffahrunfälle vermeiden.” bzw. „Auffahren aufs Heck vermeiden.”, „Vorfahrt gewähren.”, die hier als Beispiele aufgeführt sind. „Im Reibkreis bleiben.” bedeutet, so zu fahren, dass die resultierende Kraft der Querkraft des Fahrzeugs und der Längskraft des Fahrzeugs den Grenzwert der Reibung der Reifen nicht überschreitet. Wenn der Reibkreis überschritten wird, wird es unmöglich, das Fahrzeug zu steuern. „Straße nicht verlassen.” bedeutet, dass Fahrzeuge auf einer Straße fahren müssen. „Nicht gegen die Fahrtrichtung fahren.” bedeutet das Vermeiden der Fahrt auf einer entgegenkommenden Fahrspur, wenn auf einer Straße gefahren wird. „Übergangsregeln akzeptieren.” bedeutet die Beachtung von Übergangsregeln, wie einer Regel des Vermeidens eines Kreuzens einer gelben Linie, einer Regel des Stoppens vor einer Haltelinie für eine rote Ampel, usw. „Auffahrunfälle vermeiden.” bedeutet, zu vermeiden auf das Heck eines vorausfahrenden Fahrzeugs aufzufahren. „Vorrang gewähren.” bedeutet, dass ein Fahrzeug, das auf einer nicht vorfahrtsberechtigten Straße fährt, einem Fahrzeug Vorfahrt gewährt, das auf einer Vorfahrtsstraße fährt. Durch Bestimmen des Grads der Befolgung dieser sechs Verkehrsregeln ist es möglich, das Verhalten eines Fahrers mit Bezug auf Verkehrsregeln genau zu bestimmen.
Die Einrichtung 23 zur Auswahl eines Bewegungsvorhersagemodells wählt mit Bezug auf jedes nahe Objekt, das von der Objekterfassungseinrichtung 21 erfasst wird, ein optimales Bewegungsvorhersagemodell aus, das zu dem Grad der Befolgung einer Vielzahl von durch die Verkehrsregelbestimmungseinrichtung 22 bestimmten Verkehrsregeln durch dasselbe passt. Mehrere Bewegungsvorhersagemodelle werden vorab in einer Datenbank gespeichert, die in der Bewegungsvorhersagevorrichtung 2 enthalten ist.
Konkret sortiert die Einrichtung 23 zur Auswahl eines Bewegungsvorhersagemodells die Grade der Verfolgung einer Vielzahl von Verkehrsregeln durch die nahen Objekte entsprechend des Grads der Wichtigkeit bzw. der Bedeutung der Verkehrsregeln (priorisiert die Verkehrsregeln). Dadurch wird es möglich, zu bestimmen, welcher Level an Verkehrsregeln der niedrigste Level der vorstehend genannten Verkehrsregeln ist, oberhalb dessen oder bei dem einige Verkehrsregeln befolgt werden, (so dass der Befolgungsgrad hoch ist), und welcher Level von Verkehrsregeln der höchste Level von Verkehrsregeln ist, unterhalb dessen oder bei dem einige Verkehrsregeln verletzt werden (so dass der Grad der Befolgung niedrig ist). Dann durchsucht die Einrichtung 23 zur Auswahl eines Bewegungsvorhersagemodells die Datenbank unter Verwendung der Verkehrsregel, deren Wichtigkeitsgrad der höchste der Verkehrsregeln ist, deren Grad der Befolgung niedrig ist (die anscheinend verletzt werden) als eines Schlüssels, und extrahiert ein Bewegungsvorhersagemodell aus der Datenbank, das zu dem Fall passt, in dem angenommen wird, dass die Schlüsselverkehrsregel und die Verkehrsregeln mit niedrigeren Graden der Wichtigkeit verletzt werden.
Die mehreren Verkehrsregeln sind unterschiedlich wichtig; beispielsweise müssen bestimmte Verkehrsregeln aus Sicherheitsgründen unbedingt befolgt werden. Nebenbei neigen die Fahrer der nahen Objekte auch dazu, Verkehrsregeln passend zum Grad der Wichtigkeit zu befolgen. Beispielsweise wird von einem Fahrer, der in der falschen Richtung auf einer entgegenkommenden Fahrspur fährt oder rote Ampeln ignoriert, kaum zu erwarten sein, dass er einem Fahrzeug auf einer vorfahrtsberechtigten Straße Vorrang gewährt, wenn er auf einer nicht vorfahrtsberechtigten Straße fährt. Umgekehrt wird von einem Fahrer, der die Beziehung zwischen einer Vorfahrtsstraße und einer nachrangigen Straße respektiert, kaum zu erwarten sein, dass er in der falschen Richtung auf einer entgegenkommenden Fahrspur fährt oder eine rote Ampel ignoriert. Daher wird es möglich, genauer zu bestimmen, wie der Fahrer mit Bezug auf Verkehrsregeln reagiert, indem eine Reihenfolge von Prioritäten einer Vielzahl von Verkehrsregeln entsprechend ihres Wichtigkeitsgrades festgelegt wird und ein Level der Wichtigkeit bestimmt wird, bei und oberhalb welcher Verkehrsregeln voraussichtlich befolgt werden, und ein Level der Wichtigkeit, bei und unter welcher Verkehrsregeln anscheinend verletzt werden. So kann der Bewegungsbereich der nahen Objekte passend zum Grad der Befolgung von Verkehrsregeln vorhergesagt werden.
Der Grad der Wichtigkeit (die Prioritäten) der vorstehend erläuterten sechs Verkehrsregeln wird nun betrachtet. Der Grad der Wichtigkeit von „Im Reibkreis bleiben.” ist der höchste, weil die Möglichkeit besteht, dass es unmöglich wird, das Fahrzeug zu steuern und die anderen Verkehrsregeln zu befolgen, wenn das Fahrzeug aus dem Reibkreis ausbricht. Der Grad der Wichtigkeit von „Die Straße nicht verlassen.” ist der zweithöchste, weil es eine notwendige Forderung ist, innerhalb der Grenzen der Straße zu fahren. Dann folgt der Grad der Wichtigkeit von „Nicht gegen Fahrtrichtung fahren.” als der dritthöchste, weil das Verhindern des Fahrens in der Gegenrichtung auf der entgegenkommenden Fahrspur unbedingt zu beachten ist. Beispielsweise wird ein Fall wie in 6 gezeigt betrachtet. In dem Fall, in welchem ein eigenes Fahrzeug MV auf einer gekrümmten Straße bzw. in einer Kurve fährt und ein anderes Fahrzeug PV auf der entgegenkommenden Fahrspur entgegen kommt, wird allgemein erwartet, dass der Fahrer des anderen Fahrzeug PV es vorzieht, vorübergehend in der falschen Richtung auf der entgegenkommenden Fahrspur zu fahren, statt die Straße zu verlassen, wenn es dem anderen Fahrzeug PV nicht möglich ist, auf der eigenen Fahrspur zu bleiben.
Als Nächstes ist der Grad der Wichtigkeit von „Übergangsregeln respektieren.” der Nächsthöchste, weil die Ampeln bzw. Verkehrslichtzeichenanlagen, die gelben Linien bzw. Fahrbahntrennlinien, usw. während des Fahrens als Verkehrsgebote beachtet werden müssen. Als Nächstes ist der Grad der Wichtigkeit des „Auffahrunfälle vermeiden.” der Nächsthöchste. Wie in 7 gezeigt wird in einer Situation, in welcher ein anderes Fahrzeug PV sich mit hoher Geschwindigkeit von hinten nähert und nicht hinter dem eigenen Fahrzeug MV anhalten kann, während ein eigenes Fahrzeug MV anhält, allgemein vorhergesagt, dass der Fahrer des anderen Fahrzeugs PV die Auffahrt auf das eigene Fahrzeug MV von hinten wählen wird, anstelle in der falschen Richtung auf die entgegenkommende Fahrspur zu fahren.
Bewegungsvorhersagemodelle werden im Hinblick auf mehrere Verkehrsregeln vorbereitet, während diese priorisiert werden, also eine Prioritätsreihenfolge für sie aufgestellt wird. Jedes Bewegungsvorhersagemodell sagt passend zu dem Fall, dass eine gegebene Verkehrsregel und alle Verkehrsregeln, deren Priorität niedriger als die gegebene Verkehrsregel unter den Verkehrsregeln ist, die in der Prioritätsreihenfolge aufgestellt sind, voraussichtlich verletzt werden, den Existenzbereich voraus, in welchem für ein nahes Objekt vorhergesagt wird, dass es sich nach einer vorab festgelegten Zeit darin befindet (und auch die Wahrscheinlichkeit der Existenz desselben, falls dies notwendig ist). Der vorab festgelegte Existenzbereich und die vorab festgelegte Wahrscheinlichkeit der Existenz unterscheiden sich hinsichtlich der Größe und Form der vorab festgelegten Bereiche, des Wahrscheinlichkeitswerts in den vorab festgelegten Bereichen usw. passend zu dem Fall, in welchem eine bestimmte Verkehrsregel und die bezüglich der Priorität nachfolgenden Verkehrsregeln als verletzt angenommen werden. Beispielsweise wird in dem Fall, in welchem eine Verkehrsregel mit einem hohen Grad an Wichtigkeit und alle Verkehrsregeln, deren Priorität dazu nachrangig ist, verletzt werden, ein Bewegungsvorhersagemodell so ausgewählt, dass das Existenzgebiet des nahen Objekts breit ist und die Existenzwahrscheinlichkeit niedrig ist. In dem Fall, in dem alle Verkehrsregeln befolgt werden, wird ein solches Bewegungsvorhersagemodell gewählt, dass der gesamte Existenzbereich eines nahen Objekts sehr klein ist und die Existenzwahrscheinlichkeit desselben in der Mitte des Bereichs hoch ist.
In dem Fall, in welchem die sechs Verkehrsregeln verwendet werden, die vorstehend als ein Beispiel erläutert werden, sind die vorbereiteten Bewegungsvorhersagemodelle ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem alle sechs Verkehrsregeln verletzt werden, ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem die Regel „Verlasse die Straße nicht.” und Verkehrsregeln, die dieser nachrangig sind, verletzt werden, eine Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem die Regel „Nicht gegen die Fahrtrichtung fahren.” und alte Verkehrsregeln, die dieser nachrangig sind, verletzt werden, ein Bewegungsvorhersagemodell, das zu dem Fall passt, in dem die Regel „Übergangsregeln respektieren.” und alle Verkehrsregeln, die dieser nachrangig sind, verletzt werden, ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem die Regel „Vermeide Auffahrunfälle,” und alle Verkehrsregeln, die dieser nachrangig sind, verletzt werden, ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem die Regel „Vorrang gewähren.” verletzt wird, und ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem alle sechs Verkehrsregeln beachtet werden.
8A bis 8C zeigen Fälle, in denen ein anderes Fahrzeug PV von vorne auf das eigene Fahrzeug MV zu auf der eigenen Fahrspur des Fahrzeugs PV oder auf der entgegenkommenden Fahrspur in der falschen Richtung (der Fahrspur des eigenen Fahrzeugs MV) fährt, während ein eigenes Fahrzeug fährt. In 8A wird in dem Fall, in dem das auf das eigene Fahrzeug MV zufahrende andere Fahrzeug PV in seiner eigenen Fahrspur fährt, ein Bewegungsvorhersagemodell auf das andere Fahrzeug PV angewendet, das zu dem Fall passt, in welchem das Fahrzeug auf der Fahrspur des eigenen Fahrzeugs in der falschen Richtung fährt, so dass der Existenzbereich A1, in dem die Existenz des anderen Fahrzeugs PV nach einer vorab festgelegten Zeit vorhergesagt wird, sich auf die Fahrspur des eigenen Fahrzeugs erstreckt. In diesem Fall ist ein Zielkurs, der für das eigene Fahrzeug MV erzeugt wird, ein Zielkurs, auf dem das eigene Fahrzeug MV nur wenig vorwärts fährt (verzögert), oder ein Zielkurs, auf welchem das eigene Fahrzeug MV anhält, um die Sicherheit des eigenen Fahrzeugs MV bezüglich des anderen Fahrzeugs PV zu gewährleisten. Wenn das eigene Fahrzeug MV dem Zielkurs folgend fährt, wird es für das eigene Fahrzeug MV selbst dann schwierig, sich hin zum Zielort zu bewegen, wenn das andere Fahrzeug PV auf seiner Spur bleibt. Nebenbei wird in 8B in dem Fall, in dem das andere Fahrzeug PV auf der Fahrspur des eigenen Fahrzeugs in der falschen Richtung fährt, ein Bewegungsvorhersagemodell auf das andere Fahrzeug PV angewendet, das zu dem Fall passt, in welchem das andere Fahrzeug auf der Fahrspur des eigenen Fahrzeugs in der falschen Richtung fährt, so dass der Existenzbereich A2, in dem die Existenz des anderen Fahrzeugs PV nach einer vorab festgelegten Zeit vorhergesagt wird, sich in die Fahrspur des eigenen Fahrzeugs erstreckt. In diesem Fall ist der für das eigene Fahrzeug MV erzeugte Zielkurs im Wesentlichen derselbe wie der vorstehend beschriebene Zielkurs. In diesem Fall ist jedoch die Erzeugung dieses Zielkurses zulässig oder geeignet, weil das andere Fahrzeug PV tatsächlich in der falschen Richtung auf der Fahrspur des eigenen Fahrzeugs fährt.
In dem Fall, in welchem das andere Fahrzeug PV unter Beibehaltung seiner Fahrspur fährt, ist es nicht notwendig, die Bewegung des anderen Fahrzeugs PV dadurch vorherzusagen, dass angenommen wird, dass das andere Fahrzeug PV auf der Fahrspur des eigenen Fahrzeugs in der falschen Richtung fährt. Es ist stattdessen sinnvoll, die Bewegung des anderen Fahrzeugs PV unter der Annahme vorherzusagen, dass das Fahrzeug die Spur hält. Daher muss wie in 8C gezeigt in dem Fall, in dem das Fahrzeug PV unter Beibehaltung seiner Fahrspur fährt (den Fall, in dem die Verkehrsregel „Nicht gegen die Fahrtrichtung fahren.” befolgt wird) ein Bewegungsvorhersagemodell für das Fahrzeug PV angewendet werden, das zu dem Fall passt, in welchem das Fahrzeug die Spur hält, so dass der Existenzbereich A3 des anderen Fahrzeugs PV nach einer vorab festgelegten Zeit innerhalb der entgegenkommenden Spur begrenzt ist. In diesem Fall ist der Zielkurs, der für das eigene Fahrzeug MV erzeugt wird, ein Zielkurs, auf welchem das eigene Fahrzeug MV schnell in Richtung des Zielort vorwärtskommt, um die Sicherheit des eigenen Fahrzeugs MV bezüglich des anderen Fahrzeugs PV sicherzustellen.
Mit Bezug auf 5 wird ein Betrieb der Bewegungsvorhersagevorrichtung 2 unter Verwendung des in 9 gezeigten Ablaufplans beschrieben. Der Ablaufplan der 9 zeigt einen Vorgang, der von der in 5 gezeigten Bewegungsvorhersagevorrichtung 2 durchgeführt wird.
Die Bewegungsvorhersagevorrichtung 2 erfasst den Fahrzustand des eigenen Fahrzeugs und führt das Abtasten nach einem nahen Objekt (S20 und S21) durch, und erfasst Informationen über jedes nahe Objekt aus den durch das Abtasten erhaltenen Informationen (S22), indem sie im Wesentlichen in gleicher Weise wie die Bewegungserfassungsvorrichtung 2 gemäß der ersten Ausführungsform arbeitet.
Die Bewegungsvorhersagevorrichtung 2 bestimmt für jedes nahe Objekt den Grad der Befolgung mehrerer Verkehrsregeln durch das nahe Objekt auf der Grundlage der Bewegung des nahen Objekts (S23). Die Bewegungsvorhersagevorrichtung 2 sortiert Ergebnisse der Bestimmung des Grads der Befolgung für mehrere Verkehrsregeln entsprechend dem Grad der Wichtigkeit der Verkehrsregeln (S24). Dann findet die Bewegungsvorhersagevorrichtung 2 unter Verwendung der nach Priorität gestaffelten Ergebnisse der Bestimmung des Grads der Befolgung der Verkehrsregeln durch jedes nahe Objekt eine Verkehrsregel, deren Grad der Befolgung niedrig ist und welche den höchsten Grad an Wichtigkeit unter den Verkehrsregeln aufweist, bei denen der Grad der Befolgung niedrig ist. Dann wählt die Bewegungsvorhersagevorrichtung 2 ein optimales Bewegungsvorhersagemodell für jedes nahe Objekt gemäß dieser Verkehrsregel (S25) aus. Dann sagt die Bewegungsvorhersagevorrichtung 2 unter Verwendung der ausgewählten Bewegungsvorhersagemodelle die Bewegung der nahen Objekte voraus (S26).
Dann gibt die Bewegungsvorhersagevorrichtung 2 Ergebnisse der Vorhersage der Bewegung jedes nahen Objekts an verschiedene Fahrassistenzvorrichtungen oder eine autonome Fahrvorrichtung aus.
Nach dieser Bewegungsvorhersagevorrichtung 2 ist es möglich, eine geeignete Bewegungsregion für jeden mobilen Körper selbst in einer Umgebung vorherzusagen, in welcher normale mobile Körper und abnorme mobile Körper vermischt auftreten, indem die Bewegung eines nahen Objekts (eines mobilen Körpers) unter Verwendung eines optimalen Bewegungsvorhersagemodells vorhergesagt wird, das zu Ergebnissen der Bestimmung des Grads der Befolgung mehrerer Verkehrsregeln durch das nahe Objekt passt. Insbesondere kann nach der Bewegungsvorhersagevorrichtung 2 ein Bewegungsvorhersagemodell effizient durch Festlegen einer Prioritätsreihenfolge von Ergebnissen der Bestimmung des Grads der Befolgung einer Vielzahl von Verkehrsregeln entsprechend dem Grad ihrer Wichtigkeit und anschließendes Auswählen eines Bewegungsvorhersagemodells festgelegt werden.
Eine Bewegungsvorhersagevorrichtung 3 nach einer dritten Ausführungsform wird mit Bezug auf 10 und die 11A bis 11D beschrieben. 10 ist ein Aufbauschaubild für eine Bewegungsvorhersagevorrichtung gemäß einer dritten Ausführungsform. 11A bis 11D zeigen Beispiele von Ergebnissen der Bewegungsvorhersage, die unter Verwendung verschiedener Bewegungsvorhersagemodelle durchgeführt wird, und zeigen jeweils Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, in welchem die Vorhersagezeit eine Sekunde und die Manipulationswahrscheinlichkeit gleichförmig verteilt ist, Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, bei welchem die Vorhersagezeit eine Sekunde beträgt und angenommen wird, dass die Fahrzeuge die Spuren halten, Ergebnisse der Bewegungsvorhersage durch ein Bewegungsvorhersagemodell, in welchem die Vorhersagezeit fünf Sekunden beträgt und die Manipulationswahrscheinlichkeit gleichförmig verteilt ist, und Ergebnisse der Bewegungsvorhersage durch einen Bewegungsvorhersagemodell, in welchem die Vorhersagezeit fünf Sekunden beträgt und angenommen wird, dass die Fahrzeug die Spuren halten.
Die Bewegungsvorhersagevorrichtung 3 sagt bezüglich jedes Objekts um oder in der Nähe des eigenen Fahrzeugs die Bewegung des Objekts auf der Grundlage einer Vielzahl von Bewegungsvorhersagemodellen voraus. Insbesondere führt die Bewegungsvorhersagevorrichtung 3 parallele Vorhersagen der Bewegung jedes nahen Objekts unter Verwendung einer Vielzahl von Bewegungsvorhersagemodellen aus, in welchen eine Vorhersagezeit festgelegt wird, die sie von jener unterscheidet, die in einem anderen Bewegungsvorhersagemodell festgelegt ist, und eine Bewegung des nahen Objekts wird entsprechend der festgelegten Vorhersagezeit vorhergesagt. Zu diesem Zweck umfasst die Bewegungsvorhersagevorrichtung 3 beispielsweise eine Einrichtung 30 zum Sammeln von Reiseinformationen, eine erste Objekterfassungseinrichtung 31 ₁, eine zweite Objekterfassungseinrichtung 31 ₂, eine dritte Objekterfassungseinrichtung 31 ₃, ... und eine n-te Objekterfassungseinrichtung 31 _n, und umfasst auch eine erste Einrichtung 34 ₁ zur Bewegungsvorhersage, eine zweite Einrichtung 34 ₂ zur Bewegungsvorhersage, eine dritte Einrichtung 34 ₃ zur Bewegungsvorhersage, ... und eine n-te Einrichtung 34 _n zur Bewegungsvorhersage, wie in 10 gezeigt. Die erste Objekterfassungseinrichtung 31 ₁, ... und die n-te Objekterfassungseinrichtung 31 _n, sowie die erste Einrichtung 34 ₁ zur Bewegungsvorhersage, ... und die n-te Einrichtung 34 _n zur Bewegungsvorhersage sind in einer ECU aufgebaut, die eine CPU, ein ROM, ein RAM usw. umfasst. Zudem ist die Einrichtung 30 zum Sammeln von Reiseinformationen im Wesentlichen dieselbe wie die Einrichtung 10 zum Sammeln von Reiseinformationen in der ersten Ausführungsform, und ihre Beschreibung wird nachstehend weggelassen.
Zudem kann in der dritten Ausführungsform die Einrichtung 30 zum Sammeln von Reiseinformation und die erste Objekterfassungseinrichtung 31 ₁, ... bis zur n-ten Objekterfassungseinrichtung 31 _n, als eine Vorrichtung zur Erfassung eines mobilen Körpers angesehen werden, und die erste Einrichtung 34 ₁ zur Bewegungsvorhersage, ... bis zur n-ten Einrichtung 34 _n zur Bewegungsvorhersage kann als eine Vorhersagevorrichtung angesehen werden, und die Bewegungsvorhersagemodelle, die vorab in jeder aus der ersten Einrichtung 34 ₁ zur Bewegungsvorhersage, ... bis zur n-ten Einrichtung 34 _n zur Bewegungsvorhersage vorbereitet werden, können als Bewegungsvorhersagemodelle angesehen werden.
Jede der ersten Einrichtungen 31 ₁ zur Objekterfassung ... bis zur n-ten Einrichtung 31 _n zur Objekterfassung erfasst ein Objekt um oder in der Nähe des eigenen Fahrzeugs auf der Grundlage der Information, die durch das Abtasten des nahen Objekts durch die Einrichtung 30 zur Aufnahme von Reiseinformationen im Wesentlichen in derselben Weise wie bei der Objekterfassungseinrichtung 11 in der ersten Ausführungsform erhalten wird. Insbesondere erfassen die erste Objekterfassungseinrichtung 31 ₁ ... bis zur n-ten Objekterfassungseinrichtung 31 dieselben nahen Objekte und berechnen Informationsteile bzw. Informationen über die nahen Objekte, die in den ersten bis n-ten Bewegungsvorhersagemodellen benötigt werden, die jeweils in den ersten bis n-ten Einrichtungen 34 ₁ bis 34 _n vorbereitet werden. Zudem ist es auch zulässig, nur eine Einheit als eine Objekterfassungseinrichtung 31 zu bauen, die alle zu den nahen Objekten gehörenden Informationsteile berechnet, die in den ersten bis n-ten Bewegungsvorhersagemodellen benötigt werden, die jeweils in den ersten bis n-ten Einrichtungen 34 ₁ bis 34 _n vorbereitet sind.
Mit Bezug auf jedes von der Objekterfassungseinrichtung 31 erfasste nahe Objekt sagt von der ersten Einrichtung 34 ₁ zur Bewegungsvorhersage bis zur n-ten Einrichtung 34 _n zur Bewegungsvorhersage jede eine Bewegung des nahen Objekts unter Verwendung des Bewegungsvorhersagemodells voraus, das von der Einrichtung 34 ₁ bis 34 _n, selbst vorbereitet wird. Das bedeutet, dass von der ersten Einrichtung 34 ₁ zur Bewegungsvorhersage bis zur n-ten Einrichtung 34, zur Bewegungsvorhersage bezüglich jedes nahen Objekts parallele Vorhersagen unter Verwendung unterschiedlicher Bewegungsvorhersagemodelle durchgeführt werden. Konkret liest beispielsweise die erste Einrichtung 34 ₁ zur Bewegungsvorhersage für jedes nahe Objekt die Information über das nahe Objekt ein, die von der ersten Objekterfassungseinrichtung 31 ₁ berechnet wird, und gibt unter Verwendung des ersten Bewegungsvorhersagemodells einen Existenzbereich aus, in welchem die Existenz (und auch eine Wahrscheinlichkeit der Existenz) des nahen Objekts nach der kürzesten Vorhersagezeit vorausgesagt wird. Gleichzeitig liest die n-te Einrichtung 34 _n zur Bewegungsvorhersage bezüglich jedes nahen Objekts die Information über das nahe Objekt ein, die durch die n-te Objekterfassungseinrichtung 31 _n berechnet wird, und gibt unter Verwendung des n-ten Bewegungsvorhersagemodells einen Existenzbereich aus, in welchem die Existenz (und auch eine Wahrscheinlichkeit der Existenz) des nahen Objekts nach der längsten Vorhersagezeit vorausgesagt wird.
So wird eine Vielzahl von Bewegungsvorhersagemodellen vorbereitet, die sich in der Vorhersagezeit unterscheiden. Bezüglich der Bewegungsvorhersagemodelle ist die Verlässlichkeit umso größer und der vorhergesagte Existenzbereich umso kleiner, je kürzer die Vorhersagezeit ist. Daher ist es notwendig, die vorhergesagten Existenzbereiche sicher zu vermeiden, deren Vorhersagezeiten vergleichsweise kurz sind (deren Auftreten in relativ naher Zukunft vorhergesagt wird), um die Sicherheit in der Beziehung zwischen nahen Objekten und eigenem Fahrzeug zu erhöhen.
Es ist notwendig, die Sicherheit einer Vielzahl von Vorhersageergebnissen auf der Grundlage von verschiedenen Vorhersagezeiten in einer Abfolge so zu evaluieren, dass die Vorhersageergebnisse, die aufkürzeren Vorhersagezeiten basieren, bevorzugt der Evaluierung unterzogen werden, um den Existenzbereich eines nahen Objekts, dessen Auftreten in naher Zukunft vorhergesagt wird, sicher zu vermeiden, der eine geringere Unsicherheit der Vorhersageergebnisse als die Bewegung des nahen Objekts aufweist, deren Auftreten weit in der Zukunft vorhergesagt wird.
Wenn beispielsweise ein optimaler Kurs des eigenen Fahrzeugs auszuwählen ist, wird die Sicherheit für jeden aus einer Vielzahl von Kandidatenkursen für das eigene Fahrzeug mit Bezug auf die Vorhersageergebnisse auf der Grundlage der kürzesten Vorhersagezeit evaluiert, und dann wird nur einer oder mehr Kandidatenkurse als einer oder mehrere optimale Kandidatenkurse ausgewählt, der bzw. die eine Sicherheit gewährleisten. In dem Fall, in welchem mehrere optimale Kandidatenkurse ausgewählt werden, wird die Sicherheit jedes der ausgewählten optimalen Kandidatenkurse bezüglich der Vorhersageergebnisse evaluiert, die auf der nächst kürzesten Vorhersagezeit basieren, und unter Verwendung der Sicherheitsevaluierung werden die optimalen Kandidatenkurse, die eine Sicherheit gewährleisten, weiter eingeschränkt. Dieser Vorgang der Evaluierung und des Einengens wird wiederholt durchgeführt, bis die Anzahl optimaler Kandidatenkurse ausreichend klein oder bis die Sicherheitsevaluierung in Verbindung mit der längsten Vorhersagezeit beendet ist. Daher wird es möglich, vorzugsweise den Existenzbereich des nahen Objekts deutlicher zu meiden, das in der nahen Zukunft vorhergesagt wird, als die Bewegung bzw. den Existenzbereich des nahen Objekts, deren bzw. dessen Auftreten weit in der Zukunft vorhergesagt wird.
Nebenbei bemerkt ist die Einrichtung, um den Existenzbereich eines nahen Objekts, dessen Auftreten in der nahen Zukunft vorhergesagt wird, eher als die Bewegung des nahen Objekts zu vermeiden, die für eine fernere Zukunft vorhergesagt wird, nicht auf das Verfahren beschränkt, bei welchem die Sicherheit der Vorhersageergebnisse evaluiert wird, wobei zunächst mit Vorhersageergebnissen gestartet wird, welche auf kürzeren Vorhersagezeiten basieren. Beispielsweise ist es auch möglich, ein Vorhersageergebnis um so höher zu gewichten, je kürzer die Vorhersagezeit des Vorhersageergebnisses ist, und simultan die Sicherheit aller Vorhersageergebnisse verschiedener Vorhersagezeiten zu evaluieren.
Im Übrigen ist es nicht stets notwendig, dasselbe Vorhersagemodell für alle Vorhersagezeiten anzuwenden, sondern es ist auch zulässig, eine Vielzahl von Vorhersagemodellen in geeigneten Vorhersageverfahren für unterschiedliche Vorhersagezeiten vorzubereiten. Beispielsweise gibt es in dem Fall eines herkömmlichen Fahrers, der Verkehrsregeln beachtet (eines Fahrers, dessen Normalitätsgrad hoch ist) die Möglichkeit, sofort eine außergewöhnlich starke Bewegung bzw. Bedienung durchzuführen (beispielsweise zum Umfahren eines Hindernisses, während der Bedienung einer Audiovorrichtung usw.), aber es ist sehr selten, dass eine solche außergewöhnliche Bedienung für lange Zeit anhält. Daher ist es im Hinblick des Erzielens sowohl einer Sicherheit als auch einer Fahreffizienz zu bevorzugen, Bewegungsvorhersagemodelle zu verwenden, bei welchen außergewöhnliche Bewegungen für die nahe Zukunft angenommen werden, und Bewegungsvorhersagemodelle für die fernere Zukunft zu verwenden, bei welchen der Existenzbereich begrenzt ist. Nebenbei bemerkt kann das begrenzte Bewegungsvorhersagemodell durch Hinzufügen einer Vorbedingung realisiert werden, dass ein nahes Objekt die Verkehrsregeln beachtet.
Das bedeutet, dass der Existenzbereich des Objekts in einem bestimmten Grad beschränkt ist, selbst wenn die Vorhersagezeit in dem Fall lang ist, in welchem ein nahes Objekt mit normaler Bewegungssituation unter Verwendung eines Vorhersagemodells betrachtet wird, das für einen normalen mobilen Körper vorhergesehen ist; daher können selbst in dem Fall, in welchem die Vorhersagezeit lang ist, die Vorhersageergebnisse als verlässlich angesehen werden und die Sicherheit zwischen dem mobilen Körper und dem eigenen Fahrzeug kann gewährleistet werden. Andererseits vergrößert sich in dem Fall, in welchem ein nahes Objekt mit abnormaler Bewegungssituation der Vorhersage durch die Verwendung eines Vorhersagemodells unterzogen wird, das für einen normalen mobilen Körper vorbereitet ist, der Existenzbereich auf größere Bereiche, wenn die Vorhersagezeit steigt; wenn daher die Vorhersagezeit lang ist, sind die Vorhersageergebnisse nicht verlässlich, und die Sicherheit zwischen dem mobilen Körper und dem eigenen Fahrzeug kann nicht gewährleistet werden. Selbst in dem Fall, in dem die Vorhersage unter Verwendung eines für einen abnormen bzw. abnormalen mobilen Körper vorbereiteten Bewegungsvorhersagemodells durchgeführt wird, ist jedoch der Existenzbereich begrenzt, wenn die Vorhersagezeit kurz ist, so dass die Vorhersageergebnisse verlässlich sind und daher die Sicherheit zwischen dem nahen Objekt und dem eigenen Fahrzeug gewährleistet werden kann.
Daher wird selbst in dem Fall, in welchem die Vorhersage bezüglich eines nahen Objekts durchgeführt wird, dessen Bewegungssituation normal ist, die Vorhersage mit einer kurzen Vorhersagezeit unter Verwendung eines Bewegungsvorhersagemodels durchgeführt, das für einen mobilen Körper vorbereitet ist, dessen Bewegungssituation abnorm ist, so dass es möglich wird, den Fall zu behandeln, in welchem das nahe Objekt plötzlich eine abnorme Bedienung oder etwas Ähnliches erfährt, ohne die Verlässlichkeit der Vorhersageergebnisse zu verlieren. So kann die Sicherheit werter verbessert werden. Nebenbei kann in dem Fall der Vorhersage in Verbindung mit einer langen Vorhersagezeit die notwendige Vorhersage durchgeführt werden, indem die Vorhersage unter Verwendung eines Bewegungsvorhersagemodells durchgeführt wird, die für einen mobilen Körper vorbereitet ist, dessen Bewegungssituation normal ist. Somit wird in dem Fall, in dem die Bewegungsvorhersage eines nahen Objekts, dessen Bewegungssituation normal ist, parallel in einer Vielzahl von Bewegungsvorhersagemodellen durchgeführt wird, die Vorhersage in Verbindung mit kurzen Vorhersagezeiten durchgeführt, wobei Bewegungsvorhersagemodelle verwendet werden, die für einen mobilen Körper vorbereitet sind, dessen Bewegungssituation abnormal ist, und die Vorhersage in Verbindung mit langen Vorhersagezeiten wird unter Verwendung von Bewegungsvorhersagemodellen durchgeführt, die für einen mobilen Körper vorbereitet sind, dessen Bewegungssituation normal ist, so dass sowohl Sicherheit als auch Fahreffizienz erreicht werden können.
Die 11A bis 11D zeigen einen Fall, in welchem ein anderes Fahrzeug PV in der entgegenkommenden Fahrspur entgegenkommt, während ein eigenes Fahrzeug MV fährt. In dem in 11A gezeigten Beispiel wird ein Existenzbereich A1 eines anderen Fahrzeugs PV, der nach einer Sekunde auftritt, unter Verwendung eines Bewegungsvorhersagemodells vorhergesagt, bei welchem die Manipulationswahrscheinlichkeit gleichförmig verteilt ist (das bedeutet, bei welchem das Verhalten des Fahrers des Fahrzeugs unvorhersagbar ist). In dem Fall, in welchem dieses Bewegungsvorhersagemodell verwendet wird, erstreckt sich das Gebiet A1 über die volle Breite der Fahrspur des anderen Fahrzeug PV, obwohl der vorhergesagte Bereich ein Bereich ist, dessen Auftreten nur innerhalb einer Sekunde vorhergesagt wird, weil der vorhergesagte Existenzbereich ein Bereich ist, in welchem sich das Fahrzeug physikalisch in einer Sekunde bewegen kann. In dem in 11B gezeigten Beispiel wird ein Existenzbereich A2 des anderen Fahrzeugs PV vorhergesagt, der nach einer Sekunde auftritt, wobei ein Bewegungsvorhersagemodell verwendet wird, bei dem angenommen wird, dass das Fahrzeug die Spur hält. In dem Fall, in welchem dieses Bewegungsvorhersagemodell verwendet wird, wird der Bereich A2 vorhergesagt, der innerhalb des Fahrbereichs bzw. der Fahrspur des anderen Fahrzeugs PV begrenzt ist. In dem in 11C gezeigten Beispiel wird ein Existenzbereich A3 des anderen Fahrzeugs PV unter Verwendung eines Bewegungsvorhersagemodells vorhergesagt, der nach fünf Sekunden auftritt, wobei ein Bewegungsvorhersagemodell verwendet wird, bei welchem die Manipulationswahrscheinlichkeit gleichförmig verteilt ist. In dem Fall, in welchem dieses Bewegungsvorhersagemodell verwendet wird, wird der Bereich A3 vorhergesagt, der in die entgegenkommende Fahrspur (das bedeutet, die Fahrspur des eigenen Fahrzeug MV) reicht, weil der vorhergesagte Bereich ein Bereich ist, in welchem sich das Fahrzeug physikalisch in fünf Sekunden bewegen kann. In dem in 11D gezeigten Beispiel wird ein Existenzbereich A4 des anderen Fahrzeugs PV, der nach fünf Sekunden vorliegt, unter Verwendung eines Bewegungsvorhersagemodells vorhergesagt, bei welchem angenommen wird, dass das Fahrzeug die Spur hält. In dem Fall, in welchem dieses Bewegungsvorhersagemodell verwendet wird, wird der Bereich A4 vorhergesagt, der innerhalb der Fahrspur des anderen Fahrzeugs PV liegt, weil das Fahrzeug nicht von der Spur abweicht, obwohl vorhergesagt wird, dass der Bereich nach fünf Sekunden vorliegt. In diesem Beispiel werden zum Erzielen sowohl der Sicherheit als auch der Fahreffizienz Ergebnisse der Vorhersage bei einer Sekunde in der Zukunft, die unter Verwendung des Vorhersagemodells erhalten werden, bei welchem die Manipulationswahrscheinlichkeit gleichförmig verteilt ist (11A), und Ergebnisse der Vorhersage bei fünf Sekunden in der Zukunft verwendet, die unter Verwendung des Vorhersagemodells erhalten werden, bei welchem angenommen wird, dass das Fahrzeug in der Spur bleibt (11D).
Insbesondere ist die Verlässlichkeit des Vorhersageergebnisses umso höher, je kürzer die Vorhersagezeit des Vorhersageergebnisses ist. Nebenbei ist es umso wahrscheinlicher, dass die Sicherheit bezüglich der Bewegung sichergestellt werden muss, je kürzer die Vorhersagezeit eines Vorhersageergebnisses ist (das bedeutet, je näher in der Zukunft ein Auftreten einer Bewegung eines anderen Fahrzeugs vorhergesagt wird). Daher ist es in dem Fall, in welchem eine Vielzahl von Vorhersageergebnissen mit unterschiedlichen Vorhersagezeiten zu evaluieren ist, angemessen, die Vorhersageergebnisse in der Reihenfolge steigender Längen der Vorhersagezeiten der Vorhersageergebnisse zu evaluieren.
Mit Bezug auf 10 wird ein Betrieb der Bewegungsvorhersagevorrichtung 3 unter Verwendung des in 12 gezeigten Ablaufplans beschrieben. Der Ablaufplan in 12 zeigt einen Ablauf der von der in 10 gezeigten Bewegungsvorhersagevorrichtung durchgeführten Vorgänge.
Die Bewegungsvorhersagevorrichtung 3 erfasst den Fahrzustand des eigenen Fahrzeugs und führt das Abtasten nach einem nahen Objekt (S30 und S31) durch einen Betrieb im Wesentlichen in derselben Weise wie die Vorhersagevorrichtung 1 entsprechend der ersten Ausführungsform durch. Dann erfasst (S31₁ bis S32_n) die Bewegungsvorhersagevorrichtung 3 auf der Grundlage der durch das Abtasten erhaltenen Information separat für jedes nahe Objekt zu den ersten bis n-ten Bewegungsvorhersagemodellen gehörende Informationsteile bzw. Informationen über das nahe Objekt.
Mit Bezug auf jedes nahe Objekt sagt die Bewegungsvorhersagevorrichtung 3 eine Bewegung des nahen Objekts unter Verwendung jedes aus den ersten bis n-ten Bewegungsvorhersagemodellen voraus, deren Vorhersagezeiten sich unterscheiden (S33₁ bis S33_n).
Dann gibt die Bewegungsvorhersagevorrichtung 3 eine Vielzahl von Ergebnissen der Vorhersage der Bewegung jedes nahen Objekts an verschiedene Fahrassistenzvorrichtungen oder eine automatische bzw. autonome Fahrvorrichtung aus. Auf der Seite einer Vorrichtung, welche die vorstehenden Ergebnisse der Bewegungserfassung einliest, wird eine Vielzahl von Vorhersageergebnissen mit unterschiedlichen Vorhersagezeiten bezüglich jedes nahen Objekts in jedem vorab festgelegten Zeitabschnitt eingelesen. Dann werden die Vorhersageergebnisse auf der Seite der Vorrichtung sequenziell in der Reihenfolge ansteigender Vorhersagezeiten der Vorhersageergebnisse evaluiert, und beispielsweise wird die Erzeugung einer Zielortskurve des eigenen Fahrzeugs durchgeführt.
Nach dieser Bewegungsvorhersagevorrichtung 3 ist es möglich, eine Bewegungsvorhersage auf der Grundlage geeigneter Vorhersagezeiten durchzuführen, welche zu den Bewegungssituationen verschiedener mobiler Körper passen, weil die Bewegungsvorhersagen parallel unter Verwendung einer Vielzahl von Bewegungsvorhersagemodellen auf der Grundlage verschiedener Vorhersagezeiten durchgeführt werden, und es ist möglich, eine Bewegungsregion für jeden mobilen Körper selbst in einer Umgebung vorherzusagen, in welcher normale mobile Körper und abnorme mobile Körper vermischt auftreten.
Mit Bezug auf 13 wird die Bewegungsvorhersage beschrieben, welche das Umschalten von Bewegungsvorhersagemodellen, welche zu Ergebnissen der Bestimmung des Grads der Befolgung priorisierter Verkehrsregeln in der zweiten Ausführungsform (einem sequenziellen Vorgang) passen, mit den parallelen Vorhersagen unter Verwendung von Vorhersagemodellen mit unterschiedlichen Vorhersagezeiten in der dritten Ausführungsform kombiniert. 13 ist eine Tabelle, die ein Beispiel des Verfahrens zur Auswahl von Bewegungsvorhersagemodellen in dem Fall zeigt, in welchem der sequenzielle Vorgang und parallele Vorhersagen kombiniert werden.
In diesem Beispiel sind die Vorhersagezeiten 1 Sekunde, 5 Sekunden und 10 Sekunden. Für jede dieser Vorhersagezeiten wird eine Vielzahl von Bewegungsvorhersagemodellen vorbereitet. In diesem Beispiel sind die Vielzahl von Verkehrsmodellen die sechs Regeln, die vorstehend als Beispiele in Verbindung mit der zweiten Ausführungsform vorgelegt wurden.
Zwei Bewegungsvorhersagemodelle, deren Vorhersagezeit 1 Sekunde beträgt, werden in diesem Beispiel vorbereitet. Die zwei Bewegungsvorhersagemodelle sind ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem ein Fahrzeug nicht in dem Reibkreis bleibt, und ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem ein Fahrzeug in dem Reibkreis bleibt. Diese beiden Bewegungsvorhersagemodelle werden beispielsweise mit gleichförmiger Verteilung der Manipulationswahrscheinlichkeit (der Annahme unvorhersagbaren Verhaltens des Fahrers des Fahrzeugs) aufgebaut.
Als die Bewegungsvorhersagemodelle, deren Vorhersagezeit 5 Sekunden beträgt, werden in diesem Beispiel die sechs Modelle vorbereitet, die vorstehend in Verbindung mit der zweiten Ausführungsform beschrieben werden. Das Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem die Regel höchster Priorität „Im Reibkreis bleiben.” und die darauf in der Priorität folgenden Regeln verletzt werden, wird beispielsweise durch gleichförmige Verteilung der Manipulationswahrscheinlichkeit aufgebaut. Die anderen fünf Bewegungsvorhersagemodelle sind unter Verteilung der Manipulationswahrscheinlichkeit in einer beliebigen Weise aufgebaut. Beispiele der beliebigen Verteilung umfassen eine gleichförmige Verteilung, eine Standardverteilung, eine gemischte Standardverteilung, eine nicht parametrische Verteilung, usw.
Als Bewegungsvorhersagemodelle, deren Vorhersagezeit 10 Sekunden beträgt, werden in diesem Beispiel drei Modelle vorbereitet. Die drei Bewegungsvorhersagemodelle, die in diesem Beispiel vorbereitet werden, sind ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem die Verkehrsregel „Vermeide Auffahrunfälle.” und die gegenüber dieser in der Priorität nachrangigen Regeln verletzt werden, ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem die Verkehrsregel „Vorfahrt gewähren.” verletzt wird, deren Priorität unter den sechs Regeln die niedrigste ist, und ein Bewegungsvorhersagemodell, das zu dem Fall passt, in welchem alle sechs Verkehrsregeln beachtet werden. Die Bewegungsvorhersagemodelle werden beispielsweise unter Verwendung der Kombination von Verhaltenselementen eines Fahrzeugs aufgebaut, wie eine Geradeausfahrt, Rechts- und Linkskurven, Fahrspurwechsel, usw.
Mit Bezug auf jedes nahe Objekt wird eines aus der Vielzahl von Bewegungsvorhersagemodellen für jede Vorhersagezeit entsprechend der Ergebnisse der Bestimmung des Grads der Befolgung der Verkehrsregeln ausgewählt, und die Bewegung des nahen Objekts wird parallel unter Verwendung der ausgewählten Bewegungsvorhersagemodelle der unterschiedlichen Vorhersagezeiten vorhergesagt. Daher ist es möglich, die Effekte der zweiten Ausführungsform und die Effekte der dritten Ausführungsform durch Durchführen der Bewegungsvorhersage parallel unter Verwendung optimaler Bewegungsvorhersagemodelle zu erreichen, die zu Ergebnissen der Bestimmung des Grads des Befolgens der priorisierten Verkehrsregeln bezüglich jeder der Vorhersagezeiten passen.
Während vorstehend Ausführungsformen der Erfindung beschrieben wurden, ist die Erfindung nicht auf die vorstehenden Ausführungsformen beschränkt und kann in verschiedenen Formen ausgeführt werden.
Beispielsweise kann die Erfindung auch für andere Vorrichtungen, wie verschiedene Fahrassistenzvorrichtungen (eine Kollisionsverhinderungsvorrichtung und ähnliche Vorrichtungen), eine autonome Fahrvorrichtung und ähnliche Vorrichtungen eingesetzt werden, welche Ergebnisse der Vorhersage der Bewegung eines mobilen Körpers benötigen, obwohl in den Ausführungsformen die Erfindung auf eine Bewegungsvorhersagevorrichtung angewendet wird.
Zudem ist es auch zulässig, einen Aufbau zu verwenden, in welchem Informationen über nahe Objekte durch Fahrzeug-zu-Fahrzeug-Kommunikation, Straßen-zu-Fahrzeug-Kommunikation usw. aufgenommen wird, obwohl in den vorstehenden Ausführungsformen das Abtasten naher Objekte unter Verwendung von Sensoren durchgeführt wird, die in dem eigenen Fahrzeug montiert sind. In diesem Fall ist es auch möglich, einen Aufbau zu verwenden, bei dem der Zustand des Fahrers eines nahen Objekts unter Verwendung von Sensoren erfasst wird, die an dem nahen Objekt oder an einem Straßenaufbau angebracht sind, und bei dem der erfasste Zustand des Fahrers oder der Grad der Normalität des Fahrers, die anhand des erfassten Zustands des Fahrers festgestellt werden, durch die Fahrzeug-Fahrzeug-Kommunikation oder die Straßen-Fahrzeug-Kommunikation an das eigene Fahrzeug weitergegeben wird. Der Grad der Normalität betrifft den Zustand des Fahrers eines anderen Fahrzeugs (ein wacher Zustand, ein betrunkener Zustand, ein Geisteszustand bzw. Konzentrationszustand, usw.).
Obwohl in der ersten Ausführungsform die Vielzahl von Bewegungsvorhersagemodellen individuell für die Grade der Normalität vorbereitet werden, ist es zudem auch zulässig, einen Aufbau zu verwenden, in dem ein Bewegungsvorhersagemodell vorbereitet wird, das Grade der Normalität als Parameter aufweist, und in dem ein Bewegungsvorhersagemodus festgelegt wird, in welchem ein abgeschätzter Grad der Normalität als ein Parameterwert verwendet wird. Beispielsweise wird die Beschleunigung/Verzögerung eines nahen mobilen Körpers in dem Fall eines Bewegungsvorhersagemodells abgeschätzt, das als einen Parameter die Beschleunigung/Verzögerung aufweist, die bei der Fahrt eines mobilen Körpers zulässig ist, und ein Bewegungsvorhersagemodell wird festgelegt, in welchem der abgeschätzte Wert der Beschleunigung/Verzögerung als ein Wert eines Parameters verwendet wird. Zudem ist es auch zulässig, einen Aufbau zu verwenden, in welchem ein Bewegungsvorhersagemodell vorbereitet wird, das einen Vorhersageparameter aufweist, und der Wert des Parameters auf der Grundlage eines abgeschätzten Normalitätsgrads bestimmt wird, und ein Bewegungsvorhersagemodell auf der Grundlage des bestimmten Parameterwerts festgelegt wird. Beispielsweise wird in dem Fall eines Bewegungsvorhersagemodells, das als ein Parameter die bei der Fahrt eines mobilen Körpers zulässige Beschleunigung/Verzögerung enthält, der Wert der Beschleunigung/Verzögerung eines nahen mobilen Körpers auf der Grundlage des Grads der Normalität des nahen mobilen Körpers bestimmt, und ein Bewegungsvorhersagemodell wird festgelegt, in welchem der bestimmte Wert der Beschleunigung/Verzögerung als ein Wert des Parameters verwendet wird.
Obwohl in der zweiten Ausführungsform Ergebnisse der Bestimmung des Grads der Befolgung einer Vielzahl priorisierter Verkehrsregeln als eine Situation der Befolgung von Verkehrsregeln in sequenzieller Weise evaluiert werden, kann die Situation der Befolgung von Verkehrsregeln zudem anders als diese sein. Beispielsweise kann der Grad der Befolgung in einer Vielzahl von Schritten auf der Grundlage von Ergebnissen der Befolgung/Verletzung einer Vielzahl von Verkehrsregeln festgelegt sein. Zudem ist es auch zulässig, einen Aufbau zu verwenden, in welchem der Grad der Befolgung von Verkehrsregeln in absteigender Reihenfolge der Wichtigkeit der Verkehrsregeln bestimmt wird, und bei welcher zu dem Zeitpunkt, zu dem eine Verkehrsregel bestimmt wird, deren Befolgungsgrad niedrig ist, ein Bewegungsvorhersagemodell entsprechend der bestimmten Verkehrsregel ausgewählt wird.
Obwohl die dritte Ausführungsform einen Aufbau ausweist, bei welchem eine Vielzahl von Ergebnissen der Vorhersagen, die in einer Vielzahl von Bewegungsvorhersagemodellen erzeugt werden, an eine stromabwärtige bzw. nachgeschaltete Vorrichtung ausgegeben werden, ist es zudem auch zulässig, eine Vielzahl von Ergebnissen der Vorhersage in ein Ergebnis zu integrieren, in das ein Zeitparameter eingerechnet ist.
Obwohl die dritte Ausführungsform einen Aufbau aufweist, in welchem die Vorhersage parallel in einer Vielzahl von Bewegungsvorhersagemodellen mit unterschiedlichen Vorhersagezeiten durchgeführt wird und die Ergebnisse der Vorhersage evaluiert werden, ist es zudem ebenfalls zulässig, einen Aufbau zu verwenden, in welchem ein Bewegungsvorhersagemodell verwendet wird, bei welchem die Vorhersagezeit variabel festgelegt ist, und die Vorhersage in dem Bewegungsvorhersagemodell durchgeführt wird, während die Vorhersagezeit variiert wird, und die so enthaltenen Ergebnisse der Vorhersage evaluiert werden. In diesem Fall kann die Vorhersage auch durch Bestimmen einer Vorhersagezeit auf der Grundlage des Grads der Normalität und durch Ändern der Vorhersagezeit der Bewegungsvorhersagezeit auf die so bestimmte Vorhersagezeit durchgeführt werden.
Als ein Verfahren zum Ermitteln des Grads der Normalität ohne die Abhängigkeit von Verkehrsregeln kann auch ein Rest einer linearen Vorhersage für die Vorhersage neben dem Grad des Pendelns verwendet werden. Der Rest wird beispielsweise wie in Gleichung (1) gefunden. In Gleichung (1) ist k ein Grad oder eine Ordnung, der bzw. die vorab bestimmt wird.
Es gibt auch ein Verfahren auf der Grundlage der Größe des Rests. In diesem Fall reicht es aus, zu bestimmen, dass der Grad der Normalität niedrig ist, wenn der Rest groß ist, das bedeutet, wenn der Restfehler groß ist. Zudem ist es auch möglich, den Rest selbst als Parameter dafür zu verwenden, wie sich das Vorhersagemodell ausdehnt, Zudem reicht es aus, dass das Verfahren zur Ermittlung des Grads der Normalität dazu fähig ist, die Schwierigkeit der Vorhersage zu evaluieren, und man bemerke, dass das Verfahren der Ermittlung des Grads der Normalität nicht auf die vorstehend erläuterten Verfahren beschränkt ist.

Claims

Vorrichtung zur Vorhersage einer Bewegungsregion, dadurch gekennzeichnet, dass sie Folgendes aufweist: eine Vorrichtung (31) zur Erfassung eines mobilen Körpers, die einen mobilen Körper um ein eigenes Fahrzeug erfasst; eine Vorhersagevorrichtung (34), die eine Bewegungsregion des erfassten mobilen Körpers nach einer Vorhersagezeit vorhersagt; wobei die Vorhersagevorrichtung (34) eine Vielzahl von Bewegungsvorhersagemodellen mit verschiedenen Vorhersagezeiten zur Vorhersage der Bewegungsregion des mobilen Körpers aufweist, und eine Vorhersage unter Verwendung der Vielzahl von Bewegungsvorhersagemodellen durchführt, um die Bewegungsregion des mobilen Körpers vorherzusagen; und gekennzeichnet durch eine Vorrichtung zur Ermittlung eines Grads der Normalität, die einen Grad der Normalität einer Bewegungssituation des erfassten mobilen Körpers ermittelt, wobei die Vorhersagevorrichtung (34) ein Bewegungsvorhersagemodell aus der Vielzahl von Bewegungsvorhersagemodellen auf der Grundlage des ermittelten Grads der Normalität auswählt, und die Bewegungsregion des mobilen Körpers unter Verwendung des ausgewählten Bewegungsvorhersagemodells vorhersagt, wobei in dem Fall, in dem die Bewegungsvorhersage für ein nahes Objekt durchgeführt wird, dessen Bewegungssituation normal ist, die Vorhersage in Verbindung mit kurzen Vorhersagezeiten unter Verwendung von Bewegungsmodellen durchgeführt wird, die für einen mobilen Körper vorbereitet sind, dessen Bewegungssituation abnormal ist, und wobei die Vorhersage in Verbindung mit den langen Vorhersagezeiten unter Verwendung von Bewegungsvorhersagemodellen durchgeführt wird, die für einen bewegten Körper vorbereitet sind, dessen Bewegungssituation normal ist.
Vorrichtung zur Vorhersage einer Bewegungsregion nach Anspruch 1, wobei eine Vielzahl von Ergebnissen der Vorhersage, die parallel von der Vielzahl von Bewegungsvorhersagemodellen bereitgestellt werden, in einer Reihenfolge ansteigender Längen der Vorhersagezeiten der Vorhersageergebnisse evaluiert werden.