JP2007334545A - 合流支援装置 - Google Patents

Abstract

【課題】合流結果の状況を高い精度で予測して的確な情報を自車両の運転者に提示し、合流の際の運転者による運転操作を適切に支援することができるようにする。
【解決手段】コントローラ１が、自車両の合流挙動特性を学習し、その学習値に基づいて自車両運転者が直ちに運転行動を実行した場合の結果状況を予測して、その危険度を算出する。そして、情報提示装置９が、コントローラ１により算出された合流結果の危険度を表す情報を自車両運転者に提示する。
【選択図】図１

Description

本発明は、合流車線を走行する自車両が本線車線に合流する際の運転者による運転操作を支援する合流支援装置に関する。

従来、合流車線を走行する自車両が本線車線に合流する際に、例えば最適な合流タイミングなどの情報を自車両の運転者に提示して、合流時における運転操作を支援する合流支援装置が提案されている（例えば、特許文献１等を参照。）。
特開平１０−１０５８８４号公報

ところで、自車両が合流車線から本線車線に合流する際の最適な合流タイミングを求めるには、自車両が合流を実行した結果、本線車線上で自車両と自車両前後を走行する周囲車両とがどのような状況となるかを的確に予測する必要がある。そして、このような合流結果の状況は、自車両の合流の際の挙動特性によっても大きな差が生じるため、合流結果の状況を的確に予測するには、自車両の合流挙動特性についても考慮しておく必要がある。なお、自車両の合流挙動特性は、自車両の運転者による合流時の運転操作の特性と、自車両の加減速特性、操舵特性などの車両固有の特性とから決まるものである。

しかしながら、特許文献１に記載の合流支援装置をはじめとして、従来のこの種の合流支援装置では、自車両の合流挙動特性については考慮されていないため、合流結果の状況の予測精度が十分でなく、必ずしも満足のいく情報の提示が行われていないといった問題がある。

本発明は、以上のような従来技術が有する問題点を解消すべく創案されたものであって、合流結果の状況を高い精度で予測して的確な情報を自車両の運転者に提示し、合流の際の運転者による運転操作を適切に支援することができる合流支援装置を提供することを目的としている。

本発明に係る合流支援装置は、合流車線を走行している自車両が本線車線への合流を直ちに実行した場合の合流終了時点における自車両の状況及び周囲車両の状況を予測して、その予測結果に応じて危険度を算出し、算出した危険度を表す情報を自車両の運転者に提示することを基本とする。そして、特に本発明に係る合流支援装置では、自車両が合流を実行するたびに自車両の合流挙動特性を学習して、合流の結果の状況を予測する際には、自車両や周囲車両の状況、道路状況などに応じた現在の合流環境と、自車両の合流挙動特性の学習値とに基づいて、合流結果の状況を予測するようにした。

本発明に係る合流支援装置によれば、自車両の合流挙動特性を加味して合流結果の状況が高精度に予測され、その予測結果に応じた危険度を表す情報が自車両の運転者に提示されるので、自車両の運転者は、自分の運転特性や自車両の車両特性などに応じた合流結果を的確に把握しながら、最適なタイミングで合流を実行することが可能となる。

［本発明の概要］
本発明は、自車両の運転者がアクションを起こし、運転行動に対して変化を起こそうとする場合に、その結果生じる状況を高精度に予測して危険度を算出し、その危険度を表す情報を提示することで、自車両の運転者が今アクションを起こすべきか否か戦術的な判断を行うことができるようにすることを狙いとしたものである。そのためには、状況により様々に変化する運転者のアクションに応じた自車両の挙動特性を学習し、その情報を元に将来的状況を予測することが重要であり、本発明に係る合流支援装置は、この考え方を合流場面において適用したものである。

すなわち、本発明に係る合流支援装置は、合流車線を走行する自車両が本線車線に合流する合流場面において、今、合流（合流車線から本線車線への車線変更）を実行した場合に、その結果として生じる状況、すなわち、合流終了時点における本線車線上の自車両の状況や自車両の前後を走行する周囲車両の状況を予測して危険度を判断し、危険度を表す情報を自車両の運転者に提示する。このとき、合流結果の状況の予測は、合流（合流車線から本線への車線変更）時の実行開始から終了までの時間や、操舵特性（車両軌跡）、速度変化などの自車両の合流挙動特性を学習し、その学習値を用いて予測を行う。これらの挙動特性は、周囲の状況により変わるため、周辺状況によりパターン分けを行い、パターン毎に学習を行っていく。

本実施形態では、合流において自車両の運転者の運転行動を左右する最も大きな要因を、本線車線上を走行している周囲車両の自車両に対する衝突余裕時間（ＴＴＣ：Time to Collision：相対距離を相対速度で除したもの）と捉えている。一般的にみられる特質として、本線車線上の周囲車両とのＴＴＣが短いとき、自車両の運転者は急いで本線車線に入ろうとする。一方、本線車線上の周囲車両とのＴＴＣが長いときには、自車両の運転者は余裕を持って自分のリズムでゆっくり本線車線に入ろうとする。このような運転者の特質に鑑み、本実施形態の合流支援装置では、本線車線上の周囲車両とのＴＴＣに応じた運転者の運転特性変化に応じた自車両の合流挙動特性を学習することを基本とする。但し、合流場面において自車両の合流挙動特性を左右するものはこれだけではなく、様々な要因が関係してくる。そこで、本実施形態の合流支援装置では、本線車線上の周囲車両とのＴＴＣの他に、合流車線内での自車両の合流実行位置、本線車線の混雑状況、自車両の速度、合流車線の形状などの様々な状況も考慮して、これらの状況で識別される合流環境に応じてパターン分けを行い、自車両の合流挙動特性を学習していく。そして、これら学習された自車両の合流挙動特性の学習値を用いて、自車両の運転者が直ちにアクション（合流行動：合流車線から本線車線への車線変更）を起こした場合にどのような状況になるのかを予測して危険度を算出し、算出した危険度を表す情報を自車両の運転者に提示するようにしている。

［装置構成］
本実施形態の合流支援装置の概略構成を図１に示す。この合流支援装置は、図１に示すように、本装置の中核をなすコントローラ１と、このコントローラ１の入力側に接続されたＧＰＳ（Global Positioning System）受信機２、車速センサ３、舵角センサ４、車載カメラ５、レーザレーダ６、通信機７、地図データ格納装置８と、コントローラ１の出力側に接続された情報提示装置９とを備えて構成される。

ＧＰＳ受信機２は、ＧＰＳ衛星からの信号を所定の受信周期毎に受信して、自車両の絶対位置を示す緯度経度情報を検出する。また、車速センサ３は自車両の走行速度を検出し、舵角センサ４は自車両のステアリング操舵角度を検出する。

車載カメラ５は、自車両の周囲の画像、特に自車両の前後方向の車線（道路合流部の始点、終点など）や自車両周囲を走行する周囲車両などを撮影対象とした自車両周囲の画像を撮影する。また、レーザレーダ６は、自車両周囲の所定のスキャン範囲にレーザ光をスキャンして、自車両の周囲を走行する周囲車両の有無や、周囲車両までの車間距離及び方位を各周囲車両毎に検出する。

通信機７は、各種通信インフラから情報を取得するためのものであり、具体的には、例えば、ＶＩＣＳ（Vehicle Information and Communication System）による交通情報を受信し、また、いわゆる路車間通信によって、道路合流部などに設置された車両検知装置からの検知情報をＤＳＲＣ（Dedicated Short Range Communications）等で受信し、また、いわゆる車車間通信によって、周囲車両の位置情報やウィンカ操作情報、ブレーキ操作情報などの各種情報を周囲車両から受信する。

地図データ格納装置８は、例えばＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ、ハードディスクなどの地図データが記録された記録媒体と、この記録媒体に格納された地図データの読み出しを行う再生装置とを有する。以上のＧＰＳ受信機２、車速センサ３、舵角センサ４、車載カメラ５、レーザレーダ６、通信機７、地図データ格納装置８からの情報は、コントローラ１の指令に応じて随時コントローラ１の内部に取り込まれる。

情報提示装置９は、コントローラ１により作成された合流支援のための情報を自車両の運転者に提示するためのものであり、例えば、音による情報提示の場合にはスピーカが用いられ、画像による情報提示の場合には表示装置が用いられる。

コントローラ１は、制御プログラムを内蔵するマイクロコンピュータを中心に構成され、マイクロコンピュータで制御プログラムが実行されることにより、本実施形態の合流支援装置に特徴的な機能構成として、自車両把握部１１、周囲車両把握部１２、道路状況把握部１３、合流支援演算部１４の各機能構成を実現する。

自車両把握部１１は、ＧＰＳ受信機２で検出された緯度経度情報に基づいて、自車両のＧＰＳ受信周期毎の位置を特定するとともに、ＧＰＳ受信周期の間の自車両の位置を車速センサ３や舵角センサ４の検出値に基づいて補完して、自車両の現在位置を常時把握する。なお、自車両把握部１１は、自車両の現在位置をより正確に把握するために、車載カメラ５で撮影された自車両周囲の画像や、通信機７を用いた路車間通信や車車間通信で得られる情報も利用して、自車両の道路上における詳細位置などを特定するようにしてもよい。また、自車両把握部１１は、車速センサ３や舵角センサ４の検出値から現在の自車両の状態を把握するとともに、時々刻々と変化する自車両の現在位置を時間的に追跡することにより、自車両の挙動を把握する。

周囲車両把握部１２は、車載カメラ５で撮影された自車両周囲の画像に対してエッジ検出等の処理を行って、本線車線上を走行する周囲車両と車線との位置関係を検出し、また、レーザレーダ６で検出された自車両を基準とした本線車線上の周囲車両までの車間距離や方位、さらには通信機７を用いた路車間通信や車車間通信で得られる情報も利用して、周囲車両の現在位置を常時把握する。また、周囲車両把握部１２は、時々刻々と変化する本線車線上の周囲車両の現在位置を時間的に追跡することにより、周囲車両の挙動を把握する。

道路状況把握部１３は、自車両把握部１１によって把握される自車両の現在位置と地図データ格納装置８に格納されている地図データとに基づいて、自車両周囲の道路形状を把握する。なお、道路状況把握部１３は、自車両周囲の道路形状をより正確に把握するために、車載カメラ５で撮影された画像や、通信機７を用いた路車間通信で得られる情報も利用するようにしてもよい。また、道路状況把握部１３は、通信機７で受信されるＶＩＣＳ交通情報に基づいて、自車両周囲の本線車線の混雑状況を把握する。なお、本線車線上の交通密度は、ＶＩＣＳ交通情報の区間到達時間により算出することができる。

合流支援演算部１４は、自車両把握部１１や周囲車両把握部１２、道路状況把握部１３からの情報を用いて各種演算処理を行い、自車両が直ちに合流を実行した場合の結果として生じる状況を予測して危険度を判断し、その危険度を表す情報を情報提示装置５から出力させるものである。この合流支援演算部１４における主要な機能は、大きく分けて、現在の合流環境を識別する機能（合流環境識別手段）と、自車両の合流挙動特性を学習する機能（合流挙動特性学習手段）と、自車両の運転者の運転能力を判断する機能（運転能力判断手段）と、自車両が直ちに合流を実行した場合の合流終了時点における自車両の状況及び周囲車両の状況を予測する機能（合流結果予測手段）と、その予測結果に応じて合流の危険度を算出する機能（危険度算出手段）であり、これらの各機能は、例えば図２に例示する機能構成により実現される。以下、図２を用いて、合流支援演算部１４の詳細について説明する。

図２に示す合流支援演算部１４の機能構成において、自車両状態一時記憶部２１は、自車両が合流車線を走行しているときに、自車両把握手段１１からの情報、具体的には、自車両の位置や走行速度、操舵角度などの情報を、タイムスタンプ付きで時系列情報として一時的に保存する。また、自車両状態一時記憶部２１は、自車両把握手段１１からの情報を一時保存すると同時に、後述の合流行動終了時の自車両状況演算部２９及び合流環境の場合分け判断部２４に対して、現在の自車両の位置や走行速度、操舵角度などの情報を伝達する。

合流挙動特性抽出部２２は、自車両状態一時記憶部２１にて一時保存された合流実行時の自車両の時系列データをもとに、自車両の合流挙動特性を抽出する。具体的には、合流挙動特性抽出部２２は、例えば、操舵角度の時系列データから、合流（合流車線から本線車線への車線変更）実行時の操舵開始時刻と操舵終了時刻とを判断して、自車両が合流にかかった時間（Δｔ）や、操舵開始時刻から操舵終了時刻までの操舵特性などを抽出し、また、走行速度の時系列データから、操舵開始時刻から操舵終了時刻までの間の加減速特性などを、自車両の合流挙動特性として抽出する。この合流挙動特性抽出部２２により抽出された自車両の合流挙動特性の情報は、後述する場合分けされた学習演算部２５へと送られる。

周囲状況一時記憶部２３は、自車両が合流車線を走行しているときに、周囲車両把握部１２からの情報や道路状況把握部１３からの情報、具体的には、本線車線上を走行している周囲車両の位置や走行速度、自車両周囲の道路形状や本線車線の混雑状況などの情報を、タイムスタンプ付きで時系列情報として一時的に保存する。また、周囲状況一時記憶部２３は、周囲車両把握部１２からの情報や道路状況把握部１３からの情報を一時保存すると同時に、後述の合流行動終了時の周囲車両状況演算部３０に対して、周囲車両把握部１２からの情報を伝達する。

合流環境の場合分け判断部２４は、周囲状況一時記憶部２３にて一時保存された合流実行時の周囲車両や道路の状況の時系列データをもとに、自車両が直ちに合流を開始しようとしたときに、現在の合流環境が、所定の場合分けのどの分類に属するかを判断する。また、合流環境の場合分け判断部２４は、学習演算を行う上での場合分けを行うために、実際に合流が終了した後、合流挙動特性抽出部２２にて抽出された合流実行時の操舵開始時刻と同時刻の周囲車両や道路の状況、及び自車両の状態から合流環境の場合分けを行い、場合分けの分類情報を、後述の場合分けされた学習演算部２５に送る。

場合分けされた学習演算部２５は、合流挙動特性抽出部２２で抽出された自車両の合流挙動特性を、合流環境の場合分け判断部２４で分けられた条件下で、学習を行う。また、場合分けされた学習値の記憶部２６は、場合分けされた学習演算部２５で演算された結果（学習値）を、場合分け条件と対応させて記憶保存する。また、この場合分けされた学習値の記憶部２６には、場合分けされた学習演算部２５の演算結果とともに、学習を行うために用いられた個別データも保存される。

運転能力判断部２７は、場合分けされた学習値の記憶部２６に保存されている場合分け条件と対応した個別のデータをもとに、自車両の運転者の運転能力を判断する。この運転能力判断部２７により判断された自車両運転者の運転能力の情報は、後述する合流運転終了時の周囲車両状況演算部３０へと送られて、この合流運転終了時の周囲車両状況演算部３０において、運転能力の違いに応じて算出方法を変更するために用いられる。

合流環境に合致した学習値の呼び出し部２８は、場合分けされた学習値の記憶部２６に記憶されている学習値の中から、合流環境の場合分け判断部２４により場合分けされた現在の合流環境に相当する領域に記憶されている学習値を呼び出す。この合流環境に合致した学習値の呼び出し部２８により読み出された学習値の情報は、後述する合流終了時の自車両状況演算部２９及び合流終了時の周囲車両状況演算部３０へと送られる。

合流行動終了時の自車両状況演算部２９は、自車両状態一時記憶部２１から伝達された現在の自車両の状態と、合流環境に合致した学習値２８の呼び出し部２８で呼び出された自車両の合流挙動特性の学習値とをもとに、現時点で自車両が直ちに合流行動を開始した場合に、その結果として、合流行動が終了した時点では自車両がどのような状況となるかを予測演算する。

合流行動終了時の周囲車両状況演算部３０は、周囲状況一時記憶部２３から伝達された現在の周囲車両の状況及び道路状況と、合流環境に合致した学習値２８の呼び出し部２８で呼び出された自車両の合流挙動特性の学習値と、運転能力判断部２７から伝達された自車両運転者の運転能力の情報とをもとに、現時点で自車両が直ちに合流行動を開始した場合に、その結果として、合流行動が終了した時点では本線車線上の周囲車両がどのような状況となるかを予測演算する。

合流行動終了時の危険度算出部３１は、合流行動終了時の自車両状況演算部２９により演算された合流終了時点における自車両の状況の予測値と、合流行動終了時の周囲車両状況演算部３０により演算された合流終了時点における周囲車両の状況の予測値とに基づいて、現時点で自車両が合流行動を開始した場合の危険度を算出する。なお、この合流行動による危険度は、本線車線上で自車両の後方を走行する周囲車両に起因するものと、自車両の前方を走行する周囲車両に起因するものとがあるが、合流終了時点において自車両から所定範囲内で自車両の前方と後方との双方に周囲車両が存在することが合流行動終了時の自車両状況演算部２９及び合流終了時の周囲車両状況演算部３０により予測演算された場合には、合流行動終了時の危険度算出部３１は、自車両前方の周囲車両による危険度と、自車両後方の周囲車両による危険度とをそれぞれ算出するとともに、これら個別の危険度をあわせた総合的な危険度を算出する。

提示情報変換部３２は、合流行動終了時の危険度算出部３１にて算出された危険度の情報を、自車両の運転者が認識しやすい情報形態に変換して、情報提示装置９へと伝達する。具体的には、提示情報変換部３２は、例えば、合流行動終了時の危険度算出部３１にて算出された危険度の情報を、危険度を段階的に表す音に変換して情報提示装置９としてのスピーカから出力させる。また、提示情報変換部３２は、合流行動終了時の危険度算出部３１にて算出された危険度の情報を画像に変換して、情報提示装置９としての表示装置に表示させるようにしてもよい。なお、このような情報提示の具体例については、詳細を後述する。

［コントローラによる処理の具体例］
次に、以上のように構成される本実施形態の合流支援装置において、コントローラ１により実行される処理の具体例について説明する。コントローラ１での処理は、主に、（１）自車両の合流挙動特性の演算に関連する処理、（２）自車両運転者の運転能力を判断する処理、（３）合流結果予測と危険度算出に関連する処理、とに大別される。以下、これらの各処理の具体例を個別に説明する。

（１）自車両の合流挙動特性の演算に関連する処理
まず、自車両の合流挙動特性の演算に関連する処理について説明する。本処理は、図２に示した合流支援演算部１４の機能構成のうち、自車両状態一時記憶部２１、合流挙動特性抽出部２２、周囲状況一時記憶部２３、合流環境の場合分け判断部２４、場合分けされた学習演算部２５、場合分けされた学習値の記憶部２６での処理に相当する。

本処理のフローを図３に示す。この図３の処理フローは、例えば自車両のアクセサリスイッチオンなどにより本実施形態の合流支援装置が起動されると開始され、合流支援装置の動作が停止されるまでの間、所定の処理周期で繰り返し実行されるものである。

図３の処理フローが開始されると、コントローラ１は、まず、ステップＳ１０１において、本実施形態の合流支援装置の最初の利用であるか否かを判断する。最初の利用である場合には、自車両の合流挙動特性を学習するためのデータが得られていない状態であるため、所定の初期値を用いた合流挙動特性の学習が行われるように、ステップＳ１０２に進んで、合流挙動特性を学習するためのデータが格納される全てのデータ格納領域に所定の初期値を格納した後、ステップＳ１０３に進む。一方、本実施形態の合流支援装置が既に過去に利用されている場合には、そのままステップＳ１０３に進む。

次に、コントローラ１は、ステップＳ１０３において、自車両把握部１１で把握される自車両状態に関する情報、例えば、自車両の位置や走行速度、操舵角度などの情報を、所定の時間幅で一時的にタイムスタンプ付きで保存して、自車両の状態をモニタリングするとともに、周囲車両把握部１２や道路状況把握部１３で把握される情報、例えば、本線車線上を走行している周囲車両の位置や走行速度、自車両周囲の道路形状や本線車線の混雑状況などの情報を、所定の時間幅で一時的にタイムスタンプ付きで保存して、周囲車両の状態や自車両周囲の道路の状態をモニタリングする。

次に、コントローラ１は、ステップＳ１０４において、自車両把握部１１からの情報に基づき、自車両が合流地点を通過したか否かを判断する。そして、自車両が合流地点を通過した場合にはステップＳ１０５に進み、合流地点を通過していない場合にはステップＳ１１０に進む。

自車両が合流地点を通過したと判断してステップＳ１０５に進んだ場合、コントローラ１は、ステップＳ１０５において、合流地点通過時における自車両の挙動特性を抽出する。この合流挙動特性の抽出にあたっては、ステップＳ１０３で一時的に保存した自車両状態に関する情報を用いる。具体的には、コントローラ１は、一時保存した合流実行時の自車両の操舵角度の時系列データから、合流（合流車線から本線車線への車線変更）実行時の操舵開始時刻と操舵終了時刻とを判断し、自車両が合流にかかった時間（Δｔ）や、操舵開始時刻から操舵終了時刻までの操舵特性を抽出し、また、その間の自車両の走行速度の時系列データから、加減速特性などを抽出する。

次に、コントローラ１は、ステップＳ１０６において、ステップＳ１０３で一時的に保存した自車両状態に関する情報や、周囲車両状態に関する情報、道路状況に関する情報などに基づいて、通過した合流地点の合流環境の場合分け（合流環境パターンの分類）を行う。この合流環境の場合分けは、例えば、以下の（ａ）〜（ｆ）で示す各パラメータごとの区分に従って行われる。

（ａ）本線車線上の自車両後方の周囲車両とのＴＴＣ：（長・中・短）
（ｂ）本線車線上の自車両前方の周囲車両とのＴＴＣ：（長・中・短）
（ｃ）合流車線上における自車両の合流実行位置：（前・中・後）
（ｄ）本線車線の混雑状況：（高・中・低）
（ｅ）自車両の走行速度：（高・中・低）
（ｆ）合流車線の道路形状：（平行式、直接式）
以上の各パラメータにおいて、区分される各領域の具体的な値は予め適当な値を設定しておけばよく、本実施形態では、例えば（ａ）の本線車線上の自車両後方の周囲車両とのＴＴＣについては、短＝ＴＴＣ８秒未満、中＝ＴＴＣ８秒以上１６秒未満、長＝ＴＴＣ１６秒以上、と設定されている。

次に、コントローラ１は、ステップＳ１０７において、上述した各パラメータによって自車両の合流挙動特性を示すデータごとに配列変数を定義して、各配列変数内に、ステップＳ１０５で抽出した合流挙動特性の各データ（自車両が合流にかかった時間（Δｔ）、操舵開始時刻から操舵終了時刻までの操舵特性、その間の加減速特性）を格納する。例えば、自車両が合流にかかった時間（Δｔ）を格納する配列変数ＤＴは、以下のように定義される。

ＤＴ（Ｒ−ＴＴＣ，Ｆ−ＴＴＣ，ＰＯＳＩＴＩＯＮ，Ｔ−ＪＡＭ，Ｖ，ＪＵＮＣＴＩＯＮ，Ｎ）
Ｒ−ＴＴＣ（本線車線上の自車両後方の周囲車両とのＴＴＣ）：（長：１、中：２、短：３）
Ｆ−ＴＴＣ（本線車線上の自車両前方の周囲車両とのＴＴＣ）：（長：１、中：２、短：３）
ＰＯＳＩＴＩＯＮ（合流車線上における自車両の合流実行位置）：（前：１、中：２、後：３）
Ｔ−ＪＡＭ（本線車線の混雑状況）：（高：１、中：２、低：３）
Ｖ（自車両の走行速度）：（高：１、中：２、低：３）
ＪＵＮＣＴＩＯＮ（合流車線の道路形状）：（平行式：１、直接式：２）
Ｎ（データ通しナンバ）
次に、コントローラ１は、ステップＳ１０８において、ステップＳ１０７で新規にデータが格納されたデータ格納領域におけるデータ数（Ｎ）が所定の数を超えているか否かを判断し、データ数が所定数を超えていればステップＳ１０９に進んで、当該データ格納領域に格納されているデータから自車両の運転挙動特性を学習してその学習値を更新し、ステップＳ１０３へとリターンする。なお、本実施形態では、所定のデータ数の平均値を学習値としている。一方、データ数が所定数を超えていない場合には、当該データ格納領域での単独での学習はできないため、代用する領域での学習を行うべくステップＳ１１４に進む。

ステップＳ１１０からステップＳ１１３までの処理は、どのデータ格納領域においても学習するデータ数が所定数を超えない場合に、車線変更時のデータを代用して学習が行えるようにするための処理である。すなわち、ステップＳ１０４において自車両が合流地点を通過していないと判断した場合、コントローラ１は、ステップＳ１１０において、自車両が車線変更を行ったか否かを判断する。ここで、自車両が車線変更も行っていない場合にはステップＳ１０３に戻って、自車両状態や周囲車両状態、道路状態のモニタリングを継続する。一方、自車両が車線変更を行ったと判断した場合には、コントローラ１は、次のステップＳ１１１において、ステップＳ１０５での合流挙動特性の抽出処理と同様に、ステップＳ１０３で一時的に保存した自車両状態に関する情報を用いて、車線変更時における自車両の挙動特性を抽出する。この抽出された車線変更時の挙動特性を示すデータは、自車両後方の周囲車両とのＴＴＣ（長：１、中：２、短：３）をパラメータとして、上述した合流時と同様に配列変数が定義され、車線変更のデータ格納領域に格納される。

次に、コントローラ１は、ステップＳ１１２において、車線変更のデータ格納領域におけるデータ数が、学習のために必要な所定数を超えているか否かを判断し、データ数が所定数を超えていればステップＳ１１３に進んで、ステップＳ１０９での合流挙動特性の学習と同様、車線変更のデータ格納領域に格納されているデータから自車両の車線変更時の運転挙動特性を学習してその学習値を更新し、ステップＳ１０３へとリターンする。この車線変更時の運転挙動特性の学習値は、合流での学習のためのデータ数が満たない場合に利用される。一方、車線変更のデータ格納領域におけるデータ数が所定数を超えていない場合には、自車両の車線変更時の運転挙動特性を学習できないため、ステップＳ１０３に戻って、自車両状態や周囲車両状態、道路状態のモニタリングを継続する。

ステップＳ１１４からステップＳ１２６までの処理は、個別のデータ領域に格納されたデータ数が所定数に満たない場合に、他のデータの領域に格納されているデータを代用して学習を行う処理である。これは、合流地点を通過することが少ない運転者にとっても、より運転者の特性に則した支援を行うためのものである。また、合流地点を多く通過する運転者にとっては、徐々に、詳細に場合分けされた学習値に移行して、より精度の高い運転支援を可能にする。

具体的に説明すると、コントローラ１は、まず、ステップＳ１１４において、上述したパラメータ（ａ）により区分されるデータ格納領域の中で、ステップＳ１０６で場合分けした合流環境の条件（後方車両条件）に合致するデータ格納領域のデータ数が所定数を超えているか否かを判断する。そして、この合流環境の後方車両条件に合致するデータ格納領域のデータ数が所定数を超えていなければ、ステップＳ１１５において、自車両の車線変更時の挙動特性を示すデータで代用して合流挙動特性の学習値を算出し、該当するデータ格納領域に算出した学習値を格納する。

また、後方車両条件に合致するデータ格納領域のデータ数が所定数を超えている場合には、コントローラ１は、次のステップＳ１１６において、上述したパラメータ（ａ）とパラメータ（ｂ）とにより区分されるデータ格納領域の中で、ステップＳ１０６で場合分けした合流環境の条件（後方車両条件及び前方車両条件）に合致するデータ格納領域のデータ数が所定数を超えているか否かを判断する。そして、この前方車両条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えていなければ、ステップＳ１１７において、後方車両条件が合致している全データから合流挙動特性の学習値を算出し、該当するデータ格納領域に算出した学習値を格納する。

また、前方車両条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えている場合には、コントローラ１は、次のステップＳ１１８において、上述したパラメータ（ａ）とパラメータ（ｂ）とパラメータ（ｃ）とにより区分されるデータ格納領域の中で、ステップＳ１０６で場合分けした合流環境の条件（後方車両条件及び前方車両条件及び合流実行位置条件）に合致するデータ格納領域のデータ数が所定数を超えているか否かを判断する。そして、この合流実行位置条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えていなければ、ステップＳ１１９において、後方車両条件及び前方車両条件が合致している全データから合流挙動特性の学習値を算出し、該当するデータ格納領域に算出した学習値を格納する。

また、合流実行位置条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えている場合には、コントローラ１は、次のステップＳ１２０において、上述したパラメータ（ａ）とパラメータ（ｂ）とパラメータ（ｃ）とパラメータ（ｄ）とにより区分されるデータ格納領域の中で、ステップＳ１０６で場合分けした合流環境の条件（後方車両条件及び前方車両条件及び合流実行位置条件及び混雑度条件）に合致するデータ格納領域のデータ数が所定数を超えているか否かを判断する。そして、この混雑度条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えていなければ、ステップＳ１２１において、後方車両条件と前方車両条件と合流実行位置条件とが合致している全データから合流挙動特性の学習値を算出し、該当するデータ格納領域に算出した学習値を格納する。

また、混雑度条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えている場合には、コントローラ１は、次のステップＳ１２２において、上述したパラメータ（ａ）とパラメータ（ｂ）とパラメータ（ｃ）とパラメータ（ｄ）とパラメータ（ｅ）とにより区分されるデータ格納領域の中で、ステップＳ１０６で場合分けした合流環境の条件（後方車両条件及び前方車両条件及び合流実行位置条件及び混雑度条件及び自車速条件）に合致するデータ格納領域のデータ数が所定数を超えているか否かを判断する。そして、この自車速条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えていなければ、ステップＳ１２３において、後方車両条件と前方車両条件と合流実行位置条件と混雑度条件とが合致している全データから合流挙動特性の学習値を算出し、該当するデータ格納領域に算出した学習値を格納する。

また、自車速条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えている場合には、コントローラ１は、次のステップＳ１２４において、上述したパラメータ（ａ）とパラメータ（ｂ）とパラメータ（ｃ）とパラメータ（ｄ）とパラメータ（ｅ）とパラメータ（ｆ）とにより区分されるデータ格納領域の中で、ステップＳ１０６で場合分けした合流環境の条件（後方車両条件及び前方車両条件及び合流実行位置条件及び混雑度条件及び自車速条件及び道路形状条件）に合致するデータ格納領域のデータ数が所定数を超えているか否かを判断する。そして、この道路形状条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えていなければ、ステップＳ１２３において、後方車両条件と前方車両条件と合流実行位置条件と混雑度条件と自車速条件とが合致している全データから合流挙動特性の学習値を算出し、該当するデータ格納領域に算出した学習値を格納する。一方、道路形状条件まで含めた合流環境の条件に合致するデータ格納領域のデータ数が所定数を超えている場合には、ステップＳ１２６において、後方車両条件と前方車両条件と合流実行位置条件と混雑度条件と自車速条件と道路形状条件とが合致している全データから合流挙動特性の学習値を算出し、該当するデータ格納領域に算出した学習値を格納する。

以上のように、本実施形態では、合流環境を識別する条件を細分化しておき、データの格納状態に応じて細分化された条件を段階的に絞り込んで学習値を算出することで、自車両の合流挙動特性の学習を効率的に行えるようにしている。すなわち、現在の合流環境の条件全てに合致した個別のデータ格納領域での学習が行えない場合には、初期値を含めて、以下の（イ）〜（チ）の順で領域別学習値が利用可能か否かを順次確認し、利用可能な最も細分化された条件での領域別学習値を用いて、自車両の合流挙動特性を学習するようにしている。

（イ）所定の初期値
（ロ）車線変更時の自車両後方の周囲車両とのＴＴＣの条件で区分される領域別学習値
（ハ）本線車線上の自車両前方の周囲車両とのＴＴＣの条件（後方車両条件）で区分される領域別学習値
（ニ）（ハ）に本線車線上の自車両前方の周囲車両とのＴＴＣの条件（前方車両条件）を付加して区分される領域別学習値
（ホ）（ニ）に合流車線上における自車両の合流実行位置の条件（合流実行位置条件）を付加して区分される領域別学習値
（ヘ）（ホ）に本線車線の混雑状況の条件（混雑度条件）を付加して区分される領域別学習値
（ト）（ヘ）に自車両の走行速度の条件（自車速条件）を付加して区分される領域別学習値
（チ）（ト）に合流車線の道路形状の条件（道路形状条件）を付加して区分される領域別学習値
（２）自車両運転者の運転能力を判断する処理
次に、自車両運転者の運転能力を判断する処理について説明する。本処理は、図２に示した合流支援演算部１４の機能構成のうちの運転能力判断部２７での処理に相当する。

本処理のフローを図４に示す。この図４の処理フローは、予め定めた所定の時間間隔ごとに実行されるものであり、自車両運転者の運転能力に関する情報は、図４の処理フローが実行されるたびに更新される。

図４の処理フローが開始されると、コントローラ１は、まず、ステップＳ２０１において、合流環境のパターンごとに格納された合流時における自車両の挙動特性を示すデータ（図３の処理フローにおけるステップＳ１０７で格納されるデータ）を呼び出す。このとき、コントローラ１は、運転能力判断用に予めデータ格納領域を設定してこの領域に運転能力判断用のデータを格納するようにして、この運転能力判断用のデータのみを呼び出すようにしてもよい。本実施形態においては、本線車線上の自車両後方を走行する周囲車両とのＴＴＣごとの合流実行時間（自車両が合流にかかった時間（Δｔ））のデータを、運転能力判断用のデータとして用いている。

次に、コントローラ１は、ステップＳ２０２において、本線車線上の自車両後方を走行する周囲車両とのＴＴＣの区分（長・中・短）ごとに、合流実行時間（Δｔ）の偏差量を算出し、ステップＳ２０３において、その平均値を算出する。同一区分における合流実行時間の偏差量（分散度）は、技能的運転能力が安定しているほど小さくなり、その能力が優れていると判断できる。そこで、コントローラ１は、ステップＳ２０４において、例えば、予め作成しておいた技能的運転能力と合流実行時間偏差量との関係を表すマップを用い、このマップ上にてステップＳ２０３で算出した同一区分における合流実行時間の偏差量平均値を照合するといった手法により、自車両運転者の技能的運転能力の判断を行う。

次に、コントローラ１は、ステップＳ２０５において、本線車線上の自車両後方を走行する周囲車両とのＴＴＣの区分（長・中・短）ごとの合流実行時間（Δｔ）の学習値を呼び出し、ステップＳ２０６において、ステップＳ２０５で呼び出された合流実行時間（Δｔ）の学習値の、ＴＴＣ区分間における変化量（分散度）を算出する。この変化量から、周囲環境の最も影響の大きい自車両後方の周囲車両とのＴＴＣの差異に応じて自車両の運転者が運転行動を変えているか否かを判断できる。これは、戦術的運転能力が反映されたものである。すなわち、戦術的運転能力の高いドライバは、周囲の環境の変化に応じて柔軟に運転方法を変える能力を有しているが、戦術的運転能力の低いドライバは、周囲の環境によって運転方法を変える能力がない。したがって、ＴＴＣ区分間における合流実行時間（Δｔ）の学習値の変化量から、自車両運転者の戦術的運転能力の判断が可能である。そこで、コントローラ１は、ステップＳ２０７において、例えば、予め作成しておいた戦術的運転能力とＴＴＣ区分間における合流実行時間学習値変化量との関係を表すマップを用い、このマップ上にてステップＳ２０６で算出したＴＴＣ区分間における合流実行時間学習値の変化量を照合するといった手法により、自車両運転者の戦術的運転能力の判断を行う。

次に、コントローラ１は、ステップＳ２０８において、ステップＳ２０４で判断した自車両運転者の技能的運転能力と、ステップＳ２０７で判断した自車両運転者の戦術的運転能力とから、自車両運転者の総合的な運転能力を判断する。この自車両運転者の総合的な運転能力は、多段階できめ細かく判断するようにしてもよいが、本実施形態では、例えば図５に示すような基準に従って、運転スキル高、中、低の３段階で判断している。

（３）合流結果予測と危険度算出に関連する処理
次に、合流結果予測と危険度算出に関連する処理について説明する。本処理は、図２に示した合流支援演算部１４の機能構成のうち、合流環境に合致した学習値の呼び出し部２８、合流行動終了時の自車両状況の演算部２９、合流行動終了時の周囲車両状況の演算部３０、合流行動終了時の危険度算出部３１、提示情報変換部３２での処理に相当する。

本処理のフローを図６に示す。この図６の処理フローは、例えば、自車両把握部１１や道路状況把握部１３からの情報に基づいて自車両が合流車線上を走行していて合流開始地点まで所定距離（例えば５０ｍ）の地点に到達したと判定された場合に開始され、自車両が合流終了地点を通過したと判定されるまでの間、所定の処理周期（例えば１００ｍｓｅｃ）で繰り返し実行されるものである。

図６の処理フローが開始されると、コントローラ１は、まず、ステップＳ３０１において、自車両把握部１１で把握される自車両状態に関する情報、例えば、自車両の位置や走行速度、操舵角度などの情報を、所定の時間幅で一時的にタイムスタンプ付きで保存して、自車両の状態をモニタリングするとともに、周囲車両把握部１２や道路状況把握部１３で把握される情報、例えば、本線車線上を走行している周囲車両の位置や走行速度、自車両周囲の道路形状や本線車線の混雑状況などの情報を、所定の時間幅で一時的にタイムスタンプ付きで保存して、周囲車両の状態や自車両周囲の道路の状態をモニタリングする。

次に、コントローラ１は、ステップＳ３０２において、ステップＳ３０１で一時的に保存した自車両状態に関する情報や、周囲車両状態に関する情報、道路状況に関する情報などに基づいて、現在の合流環境が、図３の処理フローにおけるステップＳ１０７で場合分けした合流環境のどの分類に当てはまるかを判断する。この合流環境の場合分けの条件は、上述した（ａ）〜（ｆ）で示す各パラメータであり、各パラメータごとに区分に従って現在の合流環境がどの条件に当てはまるかを判断する。

次に、コントローラ１は、ステップＳ３０３において、ステップＳ３０２で判断された現在の合流環境に当てはまる条件での自車両の合流挙動特性の学習値を呼び出す。そして、コントローラ１は、ステップＳ３０１でモニタリングされている自車両の状態と、ステップＳ３０３で呼び出した現在の合流環境に適合した自車両の合流挙動特性の学習値とをもとに、ステップＳ３０４において、自車両が直ちに合流行動（合流車線から本線車線への車線変更）を実行した場合における合流終了時点での自車両の位置を算出し、また、ステップＳ３０５において、自車両が直ちに合流行動を実行した場合における合流終了時点での自車両の走行速度を算出する。なお、合流終了時点での自車両位置は、例えば、現在の自車両位置、走行速度の情報と、学習された操舵特性や加減速特性とから予測できる。また、合流終了時点での自車両の走行速度は、例えば、現在の自車両の走行速度の情報と、学習された加減速特性とから予測できる。

次に、コントローラ１は、ステップＳ３０６において、上述した自車両運転者の運転能力を判断する処理によって判断されて記憶された自車両運転者の運転スキル（高、中、低）を呼び出し、ステップＳ３０７において、自車両運転者の運転スキルが高レベル、すなわち自車両運転者が上級ドライバであるか否かを判断する。そして、自車両運転者が上級ドライバであれば、本線車線上の混雑度に応じた許容減速度を考慮して周囲車両の状況を算出するために、コントローラ１は、ステップＳ３０８において、ステップＳ３０１で一時記憶している現在の本線車線の混雑状況を示す情報を呼び出す。この本線車線の混雑状況を示す情報は、道路状況把握部１３により、ＶＩＣＳ交通情報などをもとに判断されている。一方、自車両運転者が初級ドライバ、あるいは中級ドライバであれば、本線車線の混雑状況に応じた周囲車両の減速度を考慮しないで情報をシンプルにするために、コントローラ１は、ステップＳ３０９において、本線車線の混雑度を表す変数を０にセットする。

次に、コントローラ１は、ステップＳ３１０において、本線車線の混雑度に対応した周囲車両の許容減速度に関する情報を呼び出す。本線車線の混雑度が高い場合には、一般的に周囲車両は加減速の頻度が高く、周囲に対しても注意を払って運転を行っており、合流地点において減速を行う心理的抵抗が少ない。このため、混雑度の高い道路では合流地点において周囲車両が減速を行う可能性が高く、このような傾向を考慮すれば、より詳細な挙動予測を行うことができる。特に関係するのは、本線車線上の自車両よりも後方を走行している周囲車両（以下、後方車両という。）である。本実施形態では、混雑度と許容減速度との対応関係を示すマップを用いて、本線車線の混雑度に対応した後方車両の許容減速度を求めるようにしている。なお、初級ドライバおよび中級ドライバに対しては、ステップＳ３０９において混雑度を表す変数が０にセットされているため、後方車両の許容減速度が考慮されないこととなる。以上の処理は、運転能力に応じて運転中に負荷なく利用できる情報レベルが異なるという点を考慮して、初級ドライバや中級ドライバに対しては直感的に把握できるシンプルな情報を提示し、上級ドライバに対してはより総合的な情報を提示できるようにするための処理である。

次に、コントローラ１は、ステップＳ３０１でモニタリングされている周囲車両の状態、特に、後方車両の状態と、ステップＳ３０３で呼び出した学習値（合流終了までにかかる時間（Δｔ））と、ステップＳ３１０で求めた後方車両の許容減速度とをもとに、ステップＳ３１１において、自車両が合流行動を終了した時点における後方車両の走行速度を算出し、また、ステップＳ３１２において、自車両が合流行動を終了した時点における後方車両の位置を算出する。

また、コントローラ１は、ステップＳ３０１でモニタリングされている周囲車両の状態、特に、本線車線上の自車両よりも前方を走行している周囲車両（以下、前方車両という。）の状態と、ステップＳ３０３で呼び出した学習値（合流終了までにかかる時間（Δｔ））とをもとに、ステップＳ３１３において、自車両が合流行動を終了した時点における前方車両の走行速度を算出し、また、ステップＳ３１４において、自車両が合流行動を終了した時点における前方車両の位置を算出する。

次に、コントローラ１は、ステップＳ３１５において、ステップＳ３０４で算出した合流終了時点における自車両位置と、ステップＳ３０５で算出した合流終了時点における自車両の走行速度と、ステップＳ３１１で算出した合流終了時点における後方車両の走行速度と、ステップＳ３１２で算出した合流終了時点における後方車両の位置とに基づいて、合流終了時点における自車両と後方車両とのＴＴＣを算出する。なお、合流終了時点における自車両と後方車両とのＴＴＣ（衝突余裕時間）は、合流終了時点での自車両と後方車両との相対距離を相対速度で除算することで求められる。

次に、コントローラ１は、ステップＳ３１６において、ステップＳ３０６で呼び出した自車両運転者の運転スキルが低レベル、すなわち自車両運転者が初級ドライバであるか否かを判断する。そして、自車両運転者が初級ドライバであれば、前方車両を考慮しないよりシンプルな情報を提示するために、コントローラ１は、ステップＳ３１７において、合流終了時点における自車両と前方車両とのＴＴＣを無限大にセットする。一方、自車両運転者が中級ドライバ、あるいは上級ドライバであれば、前方車両も考慮したより総合的な情報を提示できるようにするために、コントローラ１は、ステップＳ３１８において、ステップＳ３０４で算出した合流終了時点における自車両位置と、ステップＳ３０５で算出した合流終了時点における自車両の走行速度と、ステップＳ３１３で算出した合流終了時点における前方車両の走行速度と、ステップＳ３１４で算出した合流終了時点における前方車両の位置とに基づいて、合流終了時点における自車両と前方車両とのＴＴＣを算出する。なお、合流終了時点における自車両と前方車両とのＴＴＣ（衝突余裕時間）は、合流終了時点での自車両と前方車両との相対距離を相対速度で除算することで求められる。

次に、コントローラ１は、ステップＳ３１９において、ステップＳ３０８で呼び出した本線車線の混雑状況を示す情報をもとに、現在の本線車線の混雑度に対応した危険度算出用のマップ、具体的には、周囲車両ＴＴＣと危険度との対応関係を示したマップであって、混雑度に応じて分類されたマップの中から、現在の本線車線の混雑度に対応したマップを読み出す。これは、本線車線の混雑度によって、周囲車両とのＴＴＣによる危険度の基準も変化するためである。

次に、コントローラ１は、ステップＳ３２０において、ステップＳ３１９で呼び出したマップを用いて、ステップＳ３１５で算出した合流終了時点における後方車両とのＴＴＣをマップで照合して合流終了時点における後方車両による危険度を判断するとともに、自車両運転者が中級ドライバ、あるいは上級ドライバであれば、ステップＳ３１８で算出した合流終了時点における前方車両とのＴＴＣをマップで照合して合流終了時点における前方車両による危険度を判断する。なお、自車両運転者が初級ドライバの場合には、ステップＳ３１７で前方車両とのＴＴＣが無限大にセットされているので、合流終了時点における前方車両による危険度は考慮されないこととなる。

次に、コントローラ１は、ステップＳ３２１において、ステップＳ３２０で前方車両と後方車両とで個別に判断されていた危険度を統合し、総合的な危険度を算出する。このとき、前方車両による危険度と後方車両による危険度とに個別に重み付けを行って総合的な危険度を算出することが望ましい。なお、総合的な危険度を算出する手法は様々な手法が考えられるが、本実施形態では、例えば図７に示すように、後方車両とのＴＴＣに応じた危険度と前方車両とのＴＴＣに応じた危険度とを、これらを統合するマップでそれぞれ照合することにより、総合的な危険度を算出するようにしている。

最後に、コントローラ１は、ステップＳ３２２において、ステップＳ３２１で算出された危険度の情報を、自車両の運転者が認識しやすい情報形態に変換して情報提示装置９へと伝達し、１処理周期分の処理を終了する。その後、ステップＳ３０１へとリターンして、次の処理周期でステップＳ３０１からステップＳ３２２までの処理を繰り返す。

［情報提示の具体例］
次に、本実施形態の合流支援装置における情報提示の具体例について、音による情報提示と、画像による情報提示とを例に挙げて説明する。

（ｉ）音による情報提示
音による情報提示の場合には、情報提示装置９としてスピーカを用い、このスピーカから出力される発信音の形態を合流結果の危険度に応じて変化させる。具体的には、例えば図８に示すように、スピーカから出力される発信音を断続音とし、その発信音の間隔を、危険度が高まるに従って短くなるように制御する。すなわち、本実施形態の合流支援装置のコントローラ１は、図８（ｂ）に示すように、上述した処理により算出した危険度が高い場合には、情報提示装置９としてのスピーカから間隔の短い断続的な発信音を出力させ、算出した危険度が低い場合には、情報提示装置９としてのスピーカから間隔をあけた断続的な発信音を出力させる。また、コントローラ１は、上述した処理周期（例えば１００ｍｓｅｃ）ごとに算出される危険度の変化に合わせて、図８（ａ）に示すように、スピーカから出力させる発信音の間隔も連続的に変化させる。これにより、自車両の運転者は、自車両の走行に伴う合流環境の変化が、安全側に変化しているのか、危険側に変化しているのか、その変化の方向についても、スピーカから出力される発信音から把握できるようになる。

なお、本実施形態では断続音の間隔により危険度の情報を伝達しているが、音の周波数や音量など、スピーカから出力される発信音の他の形態を変化させることで合流結果の危険度を提示するようにしてもよいし、以上の手法を組み合わせて合流結果の危険度を提示するようにしてもよい。

（ii）画像による情報提示
画像による情報提示の場合には、情報提示装置９として表示装置を用い、この表示装置に表示する画像の表示形態を合流結果の危険度に応じて変化させる。この場合、自車両の運転者の視線負荷を減らすためには、自車両の運転者が画像を直視することなく周辺視野にて画像を認識できるようにし、特に、合流結果の危険度が高いときほど運転者の注意をひくような形態で画像を表示させることが望ましい。具体的には、例えば、運転者が慣れ親しんでいる信号機の色に合わせて、合流結果の危険度が高い場合には画像の表示色を赤色、合流結果の危険度が中程度の場合には画像の表示色を黄色、合流結果の危険度が低い場合には画像の表示色を青色にするといったように、合流結果の危険度に応じて表示装置に表示する画像の表示色を変化させる。また、表示装置に画像を点滅表示させることとし、その点滅の間隔（点滅周波数）を、断続的な発信音による情報提示の場合と同様に、危険度が高まるに従って短く（点滅周波数が高く）なるように制御するようにしてもよい。さらに、表示装置の画面内で画像を移動させることとし、その移動方向を、合流結果の危険度が高い場合にはオプティカルフロー（自車両の移動に伴う運転者の視野内での周辺物体の流れ）と逆方向とし、合流結果の危険度が中程度の場合にはオプティカルフローに対して鉛直方向とし、合流結果の危険度が低い場合にはオプティカルフローと同一方向となるように制御するようにしてもよい。

その他、表示装置に表示される画像の輝度を、危険度が高まるに従って高めるように制御する、或いは、表示装置に表示される画像の大きさを、危険度が高まるに従って大きくするように制御するといった手法で合流結果の危険度を提示するようにしてもよいし、以上の手法を組み合わせて合流結果の危険度を提示するようにしてもよい。

［実施形態の効果］
以上、具体的な例を挙げながら詳細に説明したように、本実施形態の合流支援装置によれば、自車両の合流挙動特性を学習し、その学習値に基づいて自車両運転者が直ちに運転行動を実行した場合の結果状況を予測して危険度を算出し、その合流結果の危険度を表す情報を自車両運転者に提示するようにしているので、自車両の運転者は、自分の運転特性や自車両の車両特性などに応じた合流結果を的確に把握しながら合流戦略を決定し、最適なタイミングで合流を実行することが可能となる。

また、本実施形態の合流支援装置では、合流運転が行われる合流環境を複数のパターンに分類して、各パターンごとに自車両の合流挙動特性を学習するようにしているので、合流環境により左右される要素も含めて自車両の合流挙動特性をきめ細かく正確に学習することができ、合流結果の予測精度をさらに高めて、合流環境に応じて正確な危険度を自車両運転者に提示することができる。

また、本実施形態の合流支援装置では、本線車線の混雑状況を把握し、この混雑状況に応じた本線車線上の自車両後方を走行する周囲車両の制動動作も考慮して合流結果の予測を行っているので、合流結果の予測精度をさらに高めて、合流環境に応じて正確な危険度を自車両運転者に提示することができる。

また、本実施形態の合流支援装置では、本線車線上の自車両後方を走行する周囲車両による危険度と、本線車線上の自車両前方を走行する周囲車両による危険度との双方を考慮して、総合的な危険度を算出するようにしているので、前方車両もしくは後方車両のどちらかに意識が向けられがちな自車両運転者に対して、適切な危険度の情報を提示することができる。

また、本実施形態の合流支援装置では、本線車線の混雑状況に応じて危険度の算出基準を変更するようにしているので、本線車線の混雑状況に応じて自車両運転者が危険に感じる感度が変わってくる状態に対応し、混雑度の高い道路においても実用性の高い情報を自車両運転者に提示することができる。

また、本実施形態の合流支援装置では、自車両運転者の運転能力に応じて危険度の算出方法を変更するようにしているので、直感的で単純な情報処理しかできない初級ドライバに対しても、情報による混乱を生じさせない最適な情報提示を行うことができる。

また、本実施形態の合流支援装置では、運転戦術面と運転技能面の両側面から自車両運転者の運転能力を判断するようにしているので、自車両運転者の運転能力を適切に判断することができる。

また、本実施形態の合流支援装置では、自車両の合流挙動特性の学習値を算出するためのデータサンプル数が所定値に満たない合流環境パターンでの自車両挙動特性を学習する場合に、他の学習値を代用して学習を行うようにしているため、合流地点を頻繁に走行しない運転者に対しても合流支援が行え、また、合流地点を頻繁に通過する運転者に対してはより精度の高い学習値を用いて合流結果予測を行うことができる。

なお、以上説明した合流支援装置は、本発明の一実施形態を例示したものであり、本発明の技術的範囲は、以上の各実施形態の説明で開示した内容に限定されるものではなく、これらの開示から容易に導き得る様々な代替技術も含まれることは勿論である。

本発明を適用した合流支援装置の概略構成図である。 コントローラの合流支援演算部における詳細な機能構成を示す機能ブロック図である。 コントローラにより実行される処理であって、自車両の合流挙動特性の演算に関連する処理の一例を示すフローチャートである。 コントローラにより実行される処理であって、自車両運転者の運転能力を判断する処理の一例を示すフローチャートである。 自車両運転者の総合的な運転能力を判断する手法を説明する図である。 コントローラにより実行される処理であって、合流結果予測と危険度算出に関連する処理の一例を示すフローチャートである。 本線車線上の後方車両による危険度と前方車両による危険度とを合わせた総合的な危険度を算出する手法を説明する図である。 合流結果の危険度を断続的な発信音により提示する例を説明する図であり、（ａ）は危険度に応じて発信音間隔を連続的に変化させることを示す図、（ｂ）は危険度が高まるに従って発信音間隔が短くなるように制御することを説明する図である。

符号の説明

１ コントローラ
９ 情報提示装置
１１ 自車両把握部
１２ 周囲車両把握部
１３ 道路状況把握部
１４ 合流支援演算部
２１ 自車両状態一時記憶部
２２ 合流挙動特性抽出部
２３ 周囲状況一時記憶部
２４ 合流環境の場合分け判断部
２５ 場合分けされた学習演算部
２６ 場合分けされた学習値の記憶部
２７ 運転能力判断部
２８ 合流環境に合致した学習値の呼び出し部
２９ 合流行動終了時の自車両状況の演算部
３０ 合流行動終了時の周囲車両状況の演算部
３１ 合流行動終了時の危険度算出部
３２ 提示情報変換部

Claims (11)

1. 合流車線を走行する自車両が本線車線に合流する際の運転者による運転操作を支援する合流支援装置において、
   自車両の位置及び挙動を把握する自車両把握手段と、
   本線車線上を走行している周囲車両の位置及び挙動を把握する周囲車両把握手段と、
   自車両周囲の道路状況を把握する道路状況把握手段と、
   前記自車両把握手段からの情報と、前記周囲車両把握手段からの情報と、前記道路状況把握手段からの情報とに基づいて、現在の合流環境を識別する合流環境識別手段と、
   自車両の合流挙動特性を学習する合流挙動特性学習手段と、
   前記合流環境識別手段で識別された現在の合流環境と、前記合流挙動特性学習手段による学習値とに基づいて、自車両が直ちに合流を実行した場合の合流終了時点における自車両の状況及び周囲車両の状況を予測する合流結果予測手段と、
   前記合流結果予測手段による予測結果に応じて危険度を算出する危険度算出手段と、
   前記危険度算出手段により算出された危険度を表す情報を自車両の運転者に提示する情報提示手段とを備えることを特徴とする合流支援装置。
2. 前記合流挙動特性学習手段は、前記合流環境識別手段で識別される合流環境を複数のパターンに分類して、各パターン毎に自車両の合流挙動特性を学習し、
   前記合流結果状況算出手段は、前記合流環境識別手段で識別された現在の合流環境が分類されるパターンでの合流挙動特性の学習値に基づいて、自車両が直ちに合流を実行した場合の合流終了時点における自車両の状況及び周囲車両の状況を予測することを特徴とする請求項１に記載の合流支援装置。
3. 前記合流挙動特性学習手段は、自車両が合流車線から本線車線への移行運転を開始してから終了するまでの所要時間と、移行運転時の自車両の操舵挙動と、移行運転時の自車両の加減速挙動とを前記合流挙動特性として学習することを特徴とする請求項１に記載の合流支援装置。
4. 前記道路状況把握手段は、本線車線の混雑状況を把握し、
   前記合流結果状況算出手段は、前記道路状況把握手段により把握される本線車線の混雑状況に応じて周囲車両の許容減速度を算出し、当該許容減速度に応じて前記合流終了時点における周囲車両の状況を予測することを特徴とする請求項１に記載の合流支援装置。
5. 前記危険度算出手段は、前記合流結果予測手段により前記合流終了時点において自車両から所定範囲内で自車両の前方及び後方の双方に周囲車両が存在すると予測された場合に、自車両前方の周囲車両による前方危険度と、自車両後方の周囲車両による後方危険度とをそれぞれ算出するとともに、これら前方危険度と後方危険度とを合わせた総合的な危険度を算出することを特徴とする請求項１に記載の合流支援装置。
6. 前記道路状況把握手段は、本線車線の混雑状況を把握し、
   前記危険度算出手段は、前記道路状況把握手段により把握される本線車線の混雑状況に応じて危険度の算出基準を変更することを特徴とする請求項１に記載の合流支援装置。
7. 前記合流挙動特性学習手段による学習値に基づいて自車両運転者の運転能力を判断する運転能力判断手段を更に備え、
   前記危険度算出手段は、前記運転能力判断手段の判断結果に応じて危険度の算出方法を変更することを特徴とする請求項２に記載の合流支援装置。
8. 前記運転能力判断手段は、同じパターンに分類される合流環境における合流挙動特性の分散度を算出し、当該分散度に応じて、自車両運転者の技能的運転能力を判断することを特徴とする請求項７に記載の合流支援装置。
9. 前記運転能力判断手段は、異なるパターンに分類される合流環境間における合流挙動特性の分散度を算出し、当該分散度に応じて、自車両運転者の戦略的運転能力を判断することを特徴とする請求項７又は８に記載の合流支援装置。
10. 前記合流挙動特性学習手段は、前記合流環境識別手段で識別された現在の合流環境が分類されるパターンでの過去の合流挙動特性のデータサンプル数が所定の値に満たない場合には、所定の初期値、もしくは、車線変更時における挙動特性の学習値、もしくは、過去の合流挙動特性のデータサンプル数が所定値以上の合流環境のパターンでの学習値を代用して、合流挙動特性を学習することを特徴とする請求項２に記載の合流支援装置。
11. 前記情報提示手段は、前記危険度算出手段により算出された危険度を、音、もしくは、画像により自車両の運転者に提示することを特徴とする請求項１に記載の合流支援装置。

Images