JP2008310758A - Vehicle traveling support system - Google Patents

Vehicle traveling support system Download PDF

Info

Publication number
JP2008310758A
JP2008310758A JP2007160445A JP2007160445A JP2008310758A JP 2008310758 A JP2008310758 A JP 2008310758A JP 2007160445 A JP2007160445 A JP 2007160445A JP 2007160445 A JP2007160445 A JP 2007160445A JP 2008310758 A JP2008310758 A JP 2008310758A
Authority
JP
Japan
Prior art keywords
vehicle
risk
course
host vehicle
obstacle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2007160445A
Other languages
Japanese (ja)
Other versions
JP4900076B2 (en
Inventor
Masahiro Harada
将弘 原田
Toshiki Kanemichi
敏樹 金道
Kazuaki Aso
和昭 麻生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to JP2007160445A priority Critical patent/JP4900076B2/en
Publication of JP2008310758A publication Critical patent/JP2008310758A/en
Application granted granted Critical
Publication of JP4900076B2 publication Critical patent/JP4900076B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide a vehicle traveling support device for achieving traveling support corresponding to the skill of a driver by calculating and using the degree of risk of an own-vehicle corresponding to the skill of the driver. <P>SOLUTION: A statistical processing part 12 in a risk degree map creation part 1 calculates an integrated risk Rnew at the location of an own-vehicle on the basis of the location of the own-vehicle to be output from a database reading part 11 and a stored risk Rdb at the location and an own-vehicle risk Rcur to be output from a collision probability calculation part 1. The integrated degree of risk Rnew is written in a map database 7. <P>COPYRIGHT: (C)2009,JPO&INPIT

Description

本発明は、自車両における衝突の危険度に基づいて自車両の走行を支援する車両走行支援装置に関する。   The present invention relates to a vehicle travel support apparatus that supports travel of a host vehicle based on the risk of collision in the host vehicle.

自車両の走行支援を行うにあたり、自車の経路を算出しこの経路に基づいて自車両の走行支援を行う走行支援装置がある。このような走行支援装置などにおける経路を求める装置として、従来、たとえば特許文献１に開示された経路探索装置がある。この経路探索装置は、道路網データにおける道路区間に対して、この道路区間を通過する際にかかる疲労度または危険度が割り当てられており、この疲労度または危険度を使って経路探索の開始地点から終了地点へと至る最適経路を探索するというものである。
特開２００４−１２２４７号公報 There is a travel support device that calculates the route of the host vehicle and performs the travel support of the host vehicle based on the route when performing the travel support of the host vehicle. Conventionally, for example, there is a route search device disclosed in Patent Document 1 as a device for obtaining a route in such a driving support device. In this route search device, a fatigue level or a risk level when passing through the road section is assigned to a road section in the road network data, and a route search start point is used by using the fatigue level or the risk level. It searches for the optimal route from to the end point.
JP 2004-12247 A

しかし、上記特許文献１に開示された経路探索装置では、地図や統計データに基づいて道路区間における疲労度または危険度を算出しているので、たとえば運転者の個々の危険度などについては考慮されていない。このため、運転者の運転技術や運転行動といった技量に差があり、たとえば運転者個々の運転での危険度に差がある場合でも、一律に経路探索を行ってしまい、運転者の運転技術や運転行動といった技量の差に応じた経路を求めることができなかった。したがって、この経路探索装置を用いた場合には、運転者の技量に応じた走行支援を行うことが困難となるという問題があった。   However, since the route search device disclosed in Patent Document 1 calculates the fatigue level or the risk level in the road section based on the map or statistical data, for example, the individual risk level of the driver is taken into consideration. Not. For this reason, there is a difference in skills such as driving skills and driving behavior of the driver.For example, even when there is a difference in the risk of driving by each driver, the route search is performed uniformly, The route according to the skill difference such as driving behavior could not be obtained. Therefore, when this route search device is used, there is a problem that it is difficult to perform driving support according to the skill of the driver.

そこで、本発明の課題は、運転者の技量に応じた自車両の危険度を求め、この危険度を用いることにより、運転者の技量に応じた走行支援を行うことができる車両走行支援装置を提供することにある。   Accordingly, an object of the present invention is to provide a vehicle travel support device that can determine the degree of danger of the host vehicle in accordance with the skill of the driver and can perform travel support in accordance with the skill of the driver by using this risk degree. It is to provide.

上記課題を解決した本発明に係る車両走行支援装置は、自車両が走行する走行路を記憶する地図データベースと、自車両における衝突の危険度を取得する危険度取得手段と、自車両の現在位置を取得する位置取得手段と、を備え、危険度取得手段で取得された危険度と、この危険度が取得された位置と、を含む位置・危険度データを地図データベースに書き込み、地図データベースに記憶された位置・危険度データに基づいて、自車両の走行を支援するものである。   A vehicle travel support apparatus according to the present invention that has solved the above problems includes a map database that stores a travel route on which the host vehicle travels, a risk level acquisition unit that acquires a risk level of a collision in the host vehicle, and a current position of the host vehicle. The position / risk level data including the risk level acquired by the risk level acquisition unit and the position where the risk level is acquired is written in the map database and stored in the map database. The travel of the host vehicle is supported based on the position / risk level data.

本発明に係る車両走行支援装置においては、自車両における衝突の危険度およびこの危険度が取得された自車両の現在位置を取得し、位置・危険度データを地図データベースに書き込んでいる。自車両における衝突の危険度は、運転者の運転技術や運転行動によって左右されるものであることから、運転者の技量に応じた自車両の危険度を求めることができる。したがって、この危険度を用いることにより、運転者の技量に応じた走行支援を行うことができる。   In the vehicle travel support apparatus according to the present invention, the risk of collision in the host vehicle and the current position of the host vehicle from which the risk is acquired are acquired, and the position / risk level data is written in the map database. Since the risk of collision in the host vehicle depends on the driving skill and driving behavior of the driver, the risk of the host vehicle according to the skill of the driver can be obtained. Therefore, by using this degree of risk, it is possible to perform driving support according to the skill of the driver.

ここで、危険度取得手段は、自車両の進路を取得する自車両進路取得手段と、自車両の周辺の障害物の進路を複数取得する障害物進路取得手段と、自車両の進路および障害物の複数の進路に基づいて、自車両と障害物との衝突可能性を取得する衝突可能性取得手段と、を備え、衝突可能性取得手段によって取得された衝突可能性に基づいて、危険度を取得する態様とすることができる。   Here, the risk level acquisition means includes a host vehicle course acquisition means for acquiring the course of the host vehicle, an obstacle course acquisition means for acquiring a plurality of obstacle paths around the host vehicle, and the course and obstacle of the host vehicle. A collision possibility acquisition means for acquiring the possibility of collision between the host vehicle and the obstacle based on the plurality of routes of the vehicle, and the risk is determined based on the collision possibility acquired by the collision possibility acquisition means. It can be set as the aspect acquired.

このように、衝突可能性取得手段によって取得された衝突可能性に基づいて、危険度を取得することにより、自車両を運転する運転者の技量をより精度よく把握することができ、運転者の技量に応じた走行支援をさらに精度よく行うことができる。   In this way, by acquiring the degree of danger based on the collision possibility acquired by the collision possibility acquisition means, it is possible to more accurately grasp the skill of the driver driving the host vehicle, The driving support according to the skill can be performed with higher accuracy.

本発明に係る車両走行支援装置によれば、運転者の技量に応じた自車両の危険度を求めることができ、この危険度を用いることにより、運転者の技量に応じた走行支援を行うことができる。   According to the vehicle travel support device of the present invention, the risk level of the host vehicle can be obtained according to the skill of the driver, and the travel support according to the skill of the driver can be performed by using this risk level. Can do.

以下、添付図面を参照して本発明の実施形態について説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。また、図示の便宜上、図面の寸法比率は説明のものと必ずしも一致しない。   Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings. In the description of the drawings, the same elements are denoted by the same reference numerals, and redundant description is omitted. For the convenience of illustration, the dimensional ratios in the drawings do not necessarily match those described.

図１は、本発明の実施形態に係る車両走行支援装置の構成を示すブロック構成図、図２は衝突確率算出部のブロック構成図である。図１に示すように、車両走行支援装置は、危険度地図作成部１、障害物センサ２、障害物抽出部３、自車両センサ４、位置センサ５、タイマ６、および地図データベース７を備えている。危険度地図作成部１は、電子制御する自動車デバイスのコンピュータであり、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、および入出力インターフェイスなどを備えて構成されている。危険度地図作成部１は、衝突確率算出部１０、データベース読込部１１、統計処理部１２、およびデータベース書込部１３を備えている。また、危険度地図作成部１には、障害物センサ２が障害物抽出部３を介して接続されているとともに、自車両センサ４が接続されている。さらに、危険度地図作成部１には、位置センサ５、タイマ６、地図データベース７、および走行支援部８が接続されている。   FIG. 1 is a block diagram illustrating a configuration of a vehicle travel support apparatus according to an embodiment of the present invention, and FIG. 2 is a block diagram illustrating a collision probability calculation unit. As shown in FIG. 1, the vehicle travel support device includes a risk map creation unit 1, an obstacle sensor 2, an obstacle extraction unit 3, a host vehicle sensor 4, a position sensor 5, a timer 6, and a map database 7. Yes. The risk map creation unit 1 is a computer of an electronically controlled automobile device, and includes a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM (Random Access Memory), an input / output interface, and the like. Yes. The risk map creation unit 1 includes a collision probability calculation unit 10, a database reading unit 11, a statistical processing unit 12, and a database writing unit 13. In addition, an obstacle sensor 2 is connected to the danger map creation unit 1 via an obstacle extraction unit 3, and a host vehicle sensor 4 is connected. Further, a position sensor 5, a timer 6, a map database 7, and a travel support unit 8 are connected to the risk map creating unit 1.

障害物センサ２は、ミリ波レーダセンサ、レーザレーダセンサ、画像センサなどを備えて構成されており、自車両の周囲にある他車両や通行人等の障害物を検出する。障害物センサ２は、検出した障害物に関する情報を含む障害物関連情報を障害物抽出部３に送信する。   The obstacle sensor 2 includes a millimeter wave radar sensor, a laser radar sensor, an image sensor, and the like, and detects obstacles such as other vehicles and passers-by around the host vehicle. The obstacle sensor 2 transmits obstacle-related information including information on the detected obstacle to the obstacle extraction unit 3.

障害物抽出部３は、障害物センサ２から送信された障害物関連情報から障害物を抽出し、障害物の位置や移動速度などの障害物情報として危険度地図作成部１における衝突確率算出部１０に出力する。障害物抽出部３は、たとえば障害物センサ２がミリ波レーダセンサやレーザレーダセンサである場合には、障害物から反射される反射波の波長等に基づいて障害物を検出する。また、障害物センサ２が画像センサである場合には、撮像された画像中から障害物として、たとえば他車両をパターンマッチングなどの手法によって抽出する。   The obstacle extraction unit 3 extracts obstacles from the obstacle-related information transmitted from the obstacle sensor 2, and the collision probability calculation unit in the risk map creation unit 1 as obstacle information such as the position and movement speed of the obstacles. 10 is output. For example, when the obstacle sensor 2 is a millimeter wave radar sensor or a laser radar sensor, the obstacle extraction unit 3 detects an obstacle based on the wavelength of a reflected wave reflected from the obstacle. When the obstacle sensor 2 is an image sensor, for example, another vehicle is extracted from the captured image as an obstacle by a technique such as pattern matching.

自車両センサ４は、速度センサ、ヨーレートセンサなどを備えて構成されており、自車両の走行状態に関する情報を検出している。自車両センサ４は、検出した自車両の位置に関する自車両位置情報を危険度地図作成部１における衝突確率算出部１０に送信する。ここでの自車両の走行状態情報としては、たとえば自車両の速度やヨーレートなどがある。   The own vehicle sensor 4 includes a speed sensor, a yaw rate sensor, and the like, and detects information related to the traveling state of the own vehicle. The own vehicle sensor 4 transmits own vehicle position information regarding the detected position of the own vehicle to the collision probability calculating unit 10 in the risk map creating unit 1. The traveling state information of the host vehicle here includes, for example, the speed and yaw rate of the host vehicle.

位置センサ５は、自車両の位置を検出し、検出した自車両の現在位置（ｘ，ｙ）を危険度地図作成部１におけるデータベース読込部１１に送信する。位置センサ５としては、ＧＰＳ（Global Positioning System）装置やオドメトリ装置などを用いることができる。位置センサ５としてオドメトリ装置を用いる場合には、原点をたとえば運転者の自宅駐車場などに固定する。   The position sensor 5 detects the position of the host vehicle, and transmits the detected current position (x, y) of the host vehicle to the database reading unit 11 in the risk map creating unit 1. As the position sensor 5, a GPS (Global Positioning System) device, an odometry device, or the like can be used. When an odometry device is used as the position sensor 5, the origin is fixed at, for example, a driver's home parking lot.

タイマ６は、時刻を計測しており、計測した時刻ｔを危険度地図作成部１におけるデータベース読込部１１に送信する。ここで、位置センサ５としてＧＰＳ装置を用いた場合には、このＧＰＳ装置をタイマ６として用いることができる。   The timer 6 measures the time, and transmits the measured time t to the database reading unit 11 in the risk map creating unit 1. Here, when a GPS device is used as the position sensor 5, this GPS device can be used as the timer 6.

危険度地図作成部１における衝突確率算出部１０は、図２に示すように、障害物情報一時記憶部２１、障害物可能進路算出部２２、自車両進路記録部２３、自車両進路読出部２４、自車両位置読出部２５、自車両可能進路算出部２６、実現進路衝突確率算出部２７、最善自車両進路衝突確率算出部２８、および自車両危険度算出部２９を備えている。   As shown in FIG. 2, the collision probability calculation unit 10 in the risk map creation unit 1 includes an obstacle information temporary storage unit 21, an obstacle possible route calculation unit 22, a host vehicle route recording unit 23, and a host vehicle route reading unit 24. A host vehicle position reading unit 25, a host vehicle possible course calculation unit 26, an actual course collision probability calculation unit 27, a best host vehicle course collision probability calculation unit 28, and a host vehicle risk calculation unit 29.

障害物情報一時記憶部２１は、予め定められた所定時間、たとえば５秒間に障害物抽出部３から送信された障害物情報を記憶している。障害物可能進路算出部２２は、障害物情報一時記憶部２１に記憶された過去５秒間の障害物情報を読み出し、この５秒間の障害物情報に基づいて、以後の一定時間の間における障害物が移動すると予測される進路を複数本算出して取得する。なお、過去５秒間に代えて、適宜の時間（たとえば３秒〜１０秒の間の時間）とすることができる。障害物可能進路算出部２２は、算出した障害物の進路に関する障害物進路情報を実現進路衝突確率算出部２７および最善自車両進路衝突確率算出部２８に出力する。   The obstacle information temporary storage unit 21 stores the obstacle information transmitted from the obstacle extraction unit 3 for a predetermined time, for example, 5 seconds. The obstacle possible course calculation unit 22 reads the obstacle information for the past 5 seconds stored in the obstacle information temporary storage unit 21, and based on the obstacle information for 5 seconds, the obstacle for a certain period of time thereafter. A plurality of courses predicted to move are calculated and acquired. Note that, instead of the past 5 seconds, an appropriate time (for example, a time between 3 seconds and 10 seconds) can be set. The obstacle possible course calculation unit 22 outputs the obstacle course information regarding the calculated course of the obstacle to the realized course collision probability calculation unit 27 and the best own vehicle course collision probability calculation unit 28.

自車両進路記録部２３は、自車両センサ４から送信された自車両の走行状態信号に基づいて、自車両の進路の履歴を記録する。自車両進路読出部２４は、自車両進路記録部２３に記録される自車両の履歴を予め定められた所定時間、たとえば５秒間分の自車両の進路の履歴を読み出す。ここでの予め定められた所定時間は、障害物情報一時記憶部２１に記憶される障害物情報の時間と共通する。自車両進路読出部２４は、読み出した自車両の進路の履歴に基づいて、自車両が実際にとった進路である実現進路に関する実現進路情報を実現進路衝突確率算出部２７に出力する。   The own vehicle course recording unit 23 records the course history of the own vehicle based on the traveling state signal of the own vehicle transmitted from the own vehicle sensor 4. The own vehicle course reading unit 24 reads the history of the own vehicle track for a predetermined time, for example, 5 seconds, which is recorded in the own vehicle course recording unit 23. The predetermined time set in advance here is in common with the time of the obstacle information stored in the obstacle information temporary storage unit 21. The own vehicle course reading unit 24 outputs, to the realized course collision probability calculating unit 27, realized course information related to the actual course that the host vehicle has actually taken, based on the read course history of the host vehicle.

自車両位置読出部２５は、自車両進路記録部２３に記録される自車両の履歴を予め定められた所定時間、たとえば５秒間分の自車両の位置を読み出し、自車両の位置に関する自車両位置情報を自車両可能進路算出部２６に出力する。自車両可能進路算出部２６は、自車両位置読出部２５から出力された自車両位置情報に基づいて、自車両が位置していると記録されている位置から、自車両が移動可能となる可能進路を複数本算出して取得する。自車両可能進路算出部２６は、算出した自車両の可能進路に関する自車両可能進路情報を最善自車両進路衝突確率算出部２８に出力する。   The own vehicle position reading unit 25 reads the position of the own vehicle for a predetermined time, for example, 5 seconds, from the history of the own vehicle recorded in the own vehicle course recording unit 23, and the own vehicle position related to the position of the own vehicle The information is output to the own vehicle possible route calculation unit 26. The own vehicle possible route calculating unit 26 can move the own vehicle from the position where the own vehicle is recorded based on the own vehicle position information output from the own vehicle position reading unit 25. Calculate and obtain multiple courses. The own vehicle possible route calculation unit 26 outputs the own vehicle possible route information regarding the calculated possible route of the own vehicle to the best own vehicle route collision probability calculation unit 28.

実現進路衝突確率算出部２７は、障害物可能進路算出部２２から出力された障害物進路情報および自車両進路読出部２４から出力された実現進路情報に基づいて、過去５秒間の間に自車両が実現進路において障害物に衝突する可能性があった実現進路衝突確率を算出して取得する。実現進路衝突確率算出部２７は、算出した実現進路衝突確率に関する実現進路衝突確率情報を自車両危険度算出部２９に出力する。   Based on the obstacle route information output from the obstacle possible route calculation unit 22 and the realized route information output from the own vehicle route reading unit 24, the actual route collision probability calculation unit 27 performs the own vehicle during the past 5 seconds. Calculates and acquires the actual course collision probability that may have collided with an obstacle in the actual course. The realized course collision probability calculating unit 27 outputs the realized course collision probability information related to the calculated realized course collision probability to the own vehicle risk calculating unit 29.

最善自車両進路衝突確率算出部２８は、障害物可能進路算出部２２から出力された障害物進路情報および自車両可能進路算出部２６から出力された自車両可能進路情報に基づいて、自車両と他車両との衝突確率が最小となる最善自車両進路を算出する。また、最善自車両進路衝突確率算出部２８は、算出した最善自車両進路に基づいて、過去５秒間の間に自車両が最善自車両進路において障害物に衝突する可能性があった最善自車両進路衝突確率を算出して取得する。最善自車両進路衝突確率算出部２８は、算出した最善自車両進路衝突確率に基づく最善自車両進路衝突確率情報を自車両危険度算出部２９に出力する。   Based on the obstacle route information output from the obstacle possible route calculation unit 22 and the own vehicle possible route information output from the own vehicle possible route calculation unit 26, the best own vehicle route collision probability calculation unit 28 The best own vehicle course that minimizes the probability of collision with another vehicle is calculated. Further, the best own vehicle course collision probability calculation unit 28, based on the calculated best own vehicle course, has the possibility that the own vehicle may collide with an obstacle in the best own vehicle course during the past 5 seconds. Calculate and obtain the course collision probability. The best host vehicle course collision probability calculation unit 28 outputs the best host vehicle course collision probability information based on the calculated best host vehicle course collision probability to the host vehicle risk calculation unit 29.

自車両危険度算出部２９は、実現進路衝突確率算出部２７から出力された実現進路衝突確率情報と最善自車両進路衝突確率算出部２８から出力された最善自車両進路衝突確率情報との乖離度に基づいて、自車両の危険度を算出する。ここでの危険度としては、たとえば実現進路衝突確率情報に基づく実現進路衝突確率と、最善自車両進路衝突確率情報に基づく最善自車両進路衝突確率との乖離度とすることができる。また、この乖離度は、両者の比とすることができる。自車両危険度算出部２９は、算出した危険度に基づく自車両危険度Ｒｃｕｒを統計処理部１２に出力する。   The own vehicle risk calculation unit 29 divides the realized course collision probability information output from the realized course collision probability calculation unit 27 and the best own vehicle course collision probability information output from the best own vehicle course collision probability calculation unit 28. Based on the above, the risk level of the host vehicle is calculated. The degree of risk here can be, for example, the degree of divergence between the realized course collision probability based on the realized course collision probability information and the best own vehicle course collision probability based on the best own vehicle course collision probability information. The degree of divergence can be the ratio of the two. The own vehicle risk level calculation unit 29 outputs the own vehicle risk level Rcur based on the calculated risk level to the statistical processing unit 12.

また、図１に示す地図データベース７には、自動車の走行路となる道路に関する道路情報が記憶されている。また、地図データベース７は、道路情報の任意の各地点（ｘ，ｙ）において時刻ｔに取得された危険度を記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）として書込み可能とされている。地図データベース７は、記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）を複数の地点および時刻に対応して記憶している。地図データベース７に記憶された記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）は予め設定されていてもよいし、自車両の危険度から自動的に構築またはアップデートする構成としてもよい。   The map database 7 shown in FIG. 1 stores road information related to roads that serve as driving paths for automobiles. Further, the map database 7 can write the risk obtained at time t at any point (x, y) in the road information as the memory risk Rdb (x, y, t). The map database 7 stores the storage risk Rdb (x, y, t) corresponding to a plurality of points and times. The storage risk Rdb (x, y, t) stored in the map database 7 may be set in advance, or may be configured to be automatically constructed or updated from the risk of the host vehicle.

前記記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）の自動構築、アップデートの一態様は以下の通りである。データベース読込部１１は、位置センサ５から送信される位置（ｘ，ｙ）および時刻ｔを地図データベース７に記憶された地図情報に参照し、自車両の現在・時刻の記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）を取得する。データベース読込部１１は、これらの自車両の現在位置（ｘ，ｙ）および現在時刻ｔにおける危険度に基づく記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）を統計処理部１２に出力する。   One aspect of the automatic construction and update of the storage risk Rdb (x, y, t) is as follows. The database reading unit 11 refers to the map information stored in the map database 7 with respect to the position (x, y) and time t transmitted from the position sensor 5, and stores the current and time storage risk Rdb (x, y, t) are obtained. The database reading unit 11 outputs the storage risk Rdb (x, y, t) based on the current position (x, y) of the host vehicle and the risk at the current time t to the statistical processing unit 12.

統計処理部１２は、データベース読込部１１から出力される記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）に基づく記憶危険度および衝突確率算出部１０における自車両危険度算出部２９から出力される自車両危険度情報に基づく自車両危険度Ｒｃｕｒを用いて統計処理を施す。ここでの統計処理として、統計処理部１２では、データベース読込部１１から出力される自車両の記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）に対して衝突確率算出部１０から出力された自車両危険度を積算し、積算危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）を算出する。また、統計処理としては、衝突確率算出部１０から出力された車両危険度を積算するほか、自車両の記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）と衝突確率算出部１０から出力された自車両危険度の平均値や分散などを用いて危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）を算出することもできる。統計処理部１２は、算出した記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）および自車両の現在位置（ｘ，ｙ）と現在時刻ｔに基づく積算危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）をデータベース書込部１３に出力する。   The statistical processing unit 12 includes a storage risk based on the storage risk Rdb (x, y, t) output from the database reading unit 11 and a host vehicle output from the host vehicle risk calculation unit 29 in the collision probability calculation unit 10. Statistical processing is performed using the own vehicle risk level Rcur based on the risk level information. As statistical processing here, in the statistical processing unit 12, the host vehicle risk output from the collision probability calculation unit 10 with respect to the storage risk Rdb (x, y, t) of the host vehicle output from the database reading unit 11 The cumulative risk Rnew (x, y, t) is calculated. Further, as statistical processing, the vehicle risk output from the collision probability calculation unit 10 is integrated, and the storage risk Rdb (x, y, t) of the host vehicle and the host vehicle output from the collision probability calculation unit 10 are also included. The risk level Rnew (x, y, t) can also be calculated using the average value or variance of the risk levels. The statistical processing unit 12 stores the calculated storage risk Rdb (x, y, t), the current position (x, y) of the host vehicle, and the cumulative risk Rnew (x, y, t) based on the current time t. Output to the embedding unit 13.

データベース書込部１３は、統計処理部１２から出力される積算危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）を地図データベース７に書き込む。ここで、地図データベース７において、積算危険度Ｒｎｅｗに対応する位置に、既に記憶危険度Ｒｄｂが書き込まれている場合には、そこに積算危険度Ｒｎｅｗを上書きする。地図データベース７は、データベース書込部１３によって書き込まれた積算危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）をその位置および時刻における記憶危険度として記憶する。   The database writing unit 13 writes the cumulative risk Rnew (x, y, t) output from the statistical processing unit 12 in the map database 7. Here, in the map database 7, when the storage risk Rdb is already written at the position corresponding to the integration risk Rnew, the integration risk Rnew is overwritten there. The map database 7 stores the cumulative risk Rnew (x, y, t) written by the database writing unit 13 as the storage risk at the position and time.

走行支援部８は、地図データベース７に記憶されている記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）を参照し、運転者に対する走行支援を行う。走行支援としては、たとえば危険度が所定のしきい値を超える場合に危険度が高いことを報知する表示を行ったり、危険位置を避けるためのナビゲートをしたりすることができる。   The driving support unit 8 refers to the storage risk Rdb (x, y, t) stored in the map database 7 and performs driving support for the driver. As the driving support, for example, when the degree of danger exceeds a predetermined threshold value, a display for notifying that the degree of danger is high can be performed, or navigation for avoiding a dangerous position can be performed.

次に、本実施形態に係る車両走行支援装置の処理手順について説明する。ここで、図３は、車両走行支援装置の処理手順を示すフローチャートである。   Next, a processing procedure of the vehicle travel support device according to the present embodiment will be described. Here, FIG. 3 is a flowchart showing a processing procedure of the vehicle travel support apparatus.

図３に示すように、本実施形態に係る車両走行支援装置では、まず位置センサ５から送信された自車両の現在位置（ｘ，ｙ）を取得する（Ｓ１）。次に、およびタイマ６から送信された現在時刻ｔを取得する（Ｓ１）。自車両の現在位置（ｘ，ｙ）および現在時刻ｔを取得したら、取得した現在位置・時刻（ｘ，ｙ，ｔ）を地図データベース７に参照して、自車両の現在位置および現在時刻に対応する記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）を読み込む（Ｓ２）。ここで、現在位置・時刻（ｘ，ｙ，ｔ）を地図情報に参照するにあたり、自車両の現在位置・時刻に対応する記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）が存在することは稀である。このため、現在の自車両の位置における記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）が存在しない場合には、自車両の現在位置（ｘ，ｙ）にもっとも近い地点に記憶されている記憶危険度Ｒｄｂを取得する。また、自車両の現在位置（ｘ，ｙ）からもっとも近い地点と、自車両の現在位置（ｘ，ｙ）との離間距離が所定のしきい値を超える場合には、現在の自車両の位置に近い所定数の地点にそれぞれ記憶されている記憶危険度を所定数、たとえば２個〜５個の記憶危険度を読み込む。   As shown in FIG. 3, in the vehicle travel support device according to the present embodiment, first, the current position (x, y) of the host vehicle transmitted from the position sensor 5 is acquired (S1). Next, the current time t transmitted from the timer 6 is acquired (S1). When the current position (x, y) and the current time t of the host vehicle are acquired, the acquired current position / time (x, y, t) is referred to the map database 7 to correspond to the current position and the current time of the host vehicle. The memory risk level Rdb (x, y, t) to be read is read (S2). Here, when referring to the current position / time (x, y, t) in the map information, it is rare that there is a memory risk Rdb (x, y, t) corresponding to the current position / time of the host vehicle. is there. Therefore, when there is no memory risk Rdb (x, y, t) at the current position of the host vehicle, the memory risk stored at the point closest to the current position (x, y) of the host vehicle. Get Rdb. Further, when the distance between the closest point from the current position (x, y) of the host vehicle and the current position (x, y) of the host vehicle exceeds a predetermined threshold, the current position of the host vehicle A predetermined number, for example, two to five storage risk levels, are stored for each stored risk level at a predetermined number of points close to.

自車両の現在位置および現在時刻に対応する記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）を読み込んだら、自車両危険度Ｒｃｕｒを算出する（Ｓ３）。自車両危険度Ｒｃｕｒの算出は、図４に示す手順に沿って行われる。図４は、自車両危険度を算出する手順を示すフローチャートである。図４に示すように、自車両危険度Ｒｃｕｒを算出する際には、障害物抽出部３において、障害物センサ２から送信される障害物関連情報に基づいて、自車両の周囲における障害物を抽出する（Ｓ１１）。ここでは、障害物として他車両を抽出する。また、複数の他車両が含まれていた場合には、これらの複数の他車両のすべてを抽出する。   When the storage risk Rdb (x, y, t) corresponding to the current position and the current time of the host vehicle is read, the host vehicle risk Rcur is calculated (S3). The calculation of the own vehicle risk level Rcur is performed according to the procedure shown in FIG. FIG. 4 is a flowchart showing a procedure for calculating the own vehicle risk level. As shown in FIG. 4, when calculating the vehicle risk Rcur, the obstacle extraction unit 3 determines obstacles around the host vehicle based on the obstacle related information transmitted from the obstacle sensor 2. Extract (S11). Here, another vehicle is extracted as an obstacle. When a plurality of other vehicles are included, all of the plurality of other vehicles are extracted.

障害物としての他車両を抽出したら、抽出した他車両に関する他車両情報を障害物情報一時記憶部２１に記憶し、障害物情報一時記憶部２１に記憶された過去５秒間の他車両情報に基づいて、障害物可能進路算出部２２において他車両が移動可能となる可能進路を他車両ごとに時間および空間から構成される時空間上の軌跡として算出する（Ｓ１２）。ここで、他車両が移動可能となる可能進路としては、ある到達点を規定して、この到達点までの可能進路を算出するのではなく、他車両が移動する所定の移動時間が経過するまでの進路を求める。一般的に、自車両が走行する道路では、事前に安全が保障される場所はないため、自車両と他車両との衝突可能性を判断するためには、自車両と他車両との到達点を求めても、衝突を確実に回避することができるとはいえない。   When the other vehicle as the obstacle is extracted, the other vehicle information regarding the extracted other vehicle is stored in the obstacle information temporary storage unit 21, and based on the other vehicle information for the past 5 seconds stored in the obstacle information temporary storage unit 21. Thus, the possible course where the other vehicle can move is calculated by the obstacle possible course calculation unit 22 as a trajectory on time and space composed of time and space for each other vehicle (S12). Here, as a possible course in which the other vehicle can move, a certain destination point is not defined and the possible course to the destination point is not calculated, but until a predetermined movement time in which the other vehicle moves passes. Find the course of In general, there is no place where safety is guaranteed in advance on the road on which the host vehicle travels, so in order to determine the possibility of collision between the host vehicle and the other vehicle, the arrival point between the host vehicle and the other vehicle However, it cannot be said that the collision can be surely avoided.

たとえば、図５に示すように、３車線の道路Ｒにおいて、第１車線ｒ１を自車両Ｍが走行し、第２車線ｒ２を第１他車両Ｈ１が走行し、第３車線を第２他車両Ｈ２が走行しているとする。このとき、自車両Ｍが第２，第３車線ｒ２、ｒ３をそれぞれ走行する他車両Ｈ１，Ｈ２との衝突を避けるためには、自車両Ｍが位置Ｑ１，Ｑ２，Ｑ３にそれぞれ到達するように走行することが好適と考えられる。ところが、第２他車両Ｈ２が進路を第２車線ｒ２に変更するように進路Ｂ３をとった場合には、第１他車両Ｈ１が第２他車両Ｈ２との衝突を避けるために進路Ｂ２をとり、第１車線ｒ１に進入してくることが考えられる。この場合には、自車両Ｍが位置Ｑ１，Ｑ２，Ｑ３にそれぞれ到達するように走行すると、第１他車両Ｈ１と衝突する危険性が生じるものである。   For example, as shown in FIG. 5, on a three-lane road R, the host vehicle M travels in the first lane r1, the first other vehicle H1 travels in the second lane r2, and the third lane is in the second other vehicle. Assume that H2 is traveling. At this time, in order to avoid collision with the other vehicles H1 and H2 that the vehicle M travels in the second and third lanes r2 and r3, respectively, the vehicle M reaches positions Q1, Q2, and Q3, respectively. It is considered preferable to travel. However, when the second other vehicle H2 takes the route B3 so as to change the route to the second lane r2, the first other vehicle H1 takes the route B2 in order to avoid a collision with the second other vehicle H2. It is conceivable that the vehicle enters the first lane r1. In this case, if the host vehicle M travels so as to reach the positions Q1, Q2, and Q3, there is a risk of collision with the first other vehicle H1.

そこで、自車両および他車両について到達する位置を予め定めるのではなく、その都度自車両および他車両の進路を予測するようにしている。その都度自車両および他車両の進路を予測することにより、たとえば図６に示すような進路Ｂ１を自車両の進路とすることができるので、自車両Ｍが走行する際の危険を的確に回避して安全性を確保することができる。   Therefore, the positions of the own vehicle and other vehicles are not determined in advance, but the courses of the own vehicle and other vehicles are predicted each time. By predicting the course of the host vehicle and the other vehicle each time, for example, the course B1 as shown in FIG. 6 can be used as the course of the host vehicle, so that the danger of the host vehicle M traveling can be avoided accurately. Safety.

なお、他車両が移動する所定の移動時間が経過するまでを規定することに代えて、他車両が走行する走行距離が所定の距離に到達するまで他車両の可能進路を求める態様とすることもできる。この場合、他車両の速度（または自車両の速度）に応じて所定距離を適宜変更させることができる。   In addition, instead of prescribing until a predetermined travel time for the other vehicle to move has elapsed, an aspect in which the possible course of the other vehicle is obtained until the travel distance traveled by the other vehicle reaches a predetermined distance may be adopted. it can. In this case, the predetermined distance can be appropriately changed according to the speed of the other vehicle (or the speed of the host vehicle).

他車両の可能進路は、他車両ごとに、次のようにして算出される。他車両を識別するカウンタｋの値を１とするとともに、同じ他車両に対する可能進路生成回数を示すカウンタｎの値を１とする初期化処理を行う。続いて、障害物センサ２から送信され他車両関連情報から抽出された他車両情報に基づく他車両の位置および移動状態(速度および移動方向)を初期状態とする。   The possible routes of other vehicles are calculated for each other vehicle as follows. An initialization process is performed in which the value of the counter k for identifying another vehicle is set to 1, and the value of the counter n indicating the number of possible course generations for the same other vehicle is set to 1. Subsequently, the position and moving state (speed and moving direction) of the other vehicle based on the other vehicle information transmitted from the obstacle sensor 2 and extracted from the other vehicle related information are set as the initial state.

続いて、その後の一定時間Δｔの間において想定される他車両の挙動として、選択可能な複数の挙動の中から、各挙動に予め付与された挙動選択確率にしたがって一つの挙動を選択する。１つの挙動を選択する際の挙動選択確率は、たとえば選択可能な挙動の集合の要素と所定の乱数とを対応付けることによって定義される。この意味で、挙動ごとに異なる挙動選択確率を付与してもよいし、挙動の集合の全要素に対して等しい確率を付与してもよい。また、挙動選択確率を他車両の位置や走行状態、周囲の道路環境に依存させる態様とすることもできる。   Subsequently, one behavior is selected from a plurality of selectable behaviors according to a behavior selection probability given in advance to each behavior as a behavior of the other vehicle assumed during the subsequent fixed time Δt. The behavior selection probability when selecting one behavior is defined, for example, by associating elements of a selectable behavior set with a predetermined random number. In this sense, a different behavior selection probability may be given for each behavior, or an equal probability may be given to all elements of the behavior set. Moreover, it is also possible to adopt a mode in which the behavior selection probability depends on the position and traveling state of another vehicle and the surrounding road environment.

このような挙動選択確率に基づく一定時間Δｔの間において想定される他車両の挙動の選択を繰り返して行い、他車両が移動する所定の移動時間となる時間までの他車両の挙動を選択する。こうして選択された他車両の挙動によって、他車両の可能進路を１本算出することができる。   The selection of the behavior of the other vehicle assumed during a certain time Δt based on the behavior selection probability is repeatedly performed, and the behavior of the other vehicle is selected up to a time that is a predetermined movement time for the other vehicle to move. One possible course of the other vehicle can be calculated based on the behavior of the other vehicle thus selected.

他車両の可能進路を１本算出したら、同様の手順によって他車両の可能進路を複数（Ｎ本）算出する。同様の手順を用いた場合でも、各挙動に予め付与された挙動選択確率にしたがって一つの挙動を選択することから、ほとんどの場合に、異なる可能進路が算出される。ここで算出する可能進路の数は、予め決定しておき、たとえば１０００本（Ｎ＝１０００）とすることができる。もちろん、他の複数の可能進路を算出する態様とすることもでき、たとえば数百〜数万本の間の数とすることができる。こうして算出された可能進路を他車両の予測進路とする。   When one possible route of another vehicle is calculated, a plurality (N) of possible routes of the other vehicle are calculated by the same procedure. Even when a similar procedure is used, since one behavior is selected according to a behavior selection probability given in advance to each behavior, different possible routes are calculated in most cases. The number of possible routes calculated here is determined in advance and can be set to 1000 (N = 1000), for example. Of course, it can also be set as the aspect which calculates another some possible course, for example, it can be set as the number between hundreds-tens of thousands. The possible course calculated in this way is set as the predicted course of the other vehicle.

さらに、抽出された他車両が複数ある場合には、それらの複数の他車両について、それぞれ可能進路を算出する。   Furthermore, when there are a plurality of other vehicles extracted, possible routes are calculated for each of the plurality of other vehicles.

他車両の可能進路の算出が済んだら、自車両進路読出部２４において、自車両進路記録部２３に記録されている自車両の過去５秒間の進路を読み出す（Ｓ１３）。自車両進路読出部２４は、読み出した過去５秒間の自車両の実現進路に関する実現進路情報を実現進路衝突確率算出部２７に出力する。   When the possible course of the other vehicle is calculated, the own vehicle course reading unit 24 reads the course of the host vehicle recorded in the own vehicle course recording unit 23 for the past 5 seconds (S13). The own vehicle route reading unit 24 outputs the realized route information regarding the realized route of the own vehicle for the past 5 seconds to the realized route collision probability calculating unit 27.

続いて、自車両位置読出部２５において、自車両進路記録部２３に記録されている自車両の過去５秒間における自車両の位置を読み出す。それから、自車両可能進路算出部２６において、過去５秒間における自車両の位置に基づいて、その位置から自車両が移動することが可能となる可能進路を複数本算出する（Ｓ１４）。自車両の可能進路は、他車両の可能進路と同様の算出手順によって、時間および空間から構成される時空間上の軌跡として算出する。自車両可能進路算出部２６は、自車両の可能進路を取得したら、自車両可能進路情報として最善自車両進路衝突確率算出部２８に出力する。   Subsequently, the host vehicle position reading unit 25 reads the position of the host vehicle in the past five seconds recorded in the host vehicle course recording unit 23. Then, based on the position of the host vehicle in the past 5 seconds, the host vehicle possible path calculation unit 26 calculates a plurality of possible paths where the host vehicle can move from the position (S14). The possible course of the host vehicle is calculated as a trajectory on time and space composed of time and space by the same calculation procedure as the possible course of the other vehicle. When the own vehicle possible route calculation unit 26 acquires the possible route of the own vehicle, the own vehicle possible route calculation unit 26 outputs the possible route information of the own vehicle to the best own vehicle route collision probability calculation unit 28.

こうして、自車両の可能進路の算出が済んだら、実現進路衝突確率算出部２７において、自車両進路読出部２４から出力された実現進路情報に基づいて、自車両が移動した実現進路を算出する（Ｓ１５）。それから、実現進路衝突確率算出部２７において、自車両が他車両との衝突を許容していた実現進路衝突確率を算出する（Ｓ１６）。ここでは、障害物可能進路算出部２２から出力された障害物進路情報に基づく過去５秒間における複数の他車両の予測進路と、ステップＳ１５で求めた実現進路とを比較し、過去５秒間において、自車両が許容していた衝突確率を算出する。   Thus, after the possible course of the host vehicle is calculated, the actual course collision probability calculation unit 27 calculates the actual course that the host vehicle has moved based on the actual course information output from the host vehicle course reading unit 24 ( S15). Then, the realized course collision probability calculation unit 27 calculates the realized course collision probability that the host vehicle allowed to collide with another vehicle (S16). Here, the predicted courses of a plurality of other vehicles in the past 5 seconds based on the obstacle course information output from the obstacle course calculation unit 22 are compared with the actual course obtained in step S15. In the past 5 seconds, The collision probability allowed by the host vehicle is calculated.

いま、ステップＳ１２およびステップＳ１３で求めた他車両の予測進路および自車両の実現進路の例を図７に示す三次元空間によって現す。図７における三次元空間では、ｘ軸およびｙ軸によって示されるｘｙ平面に車両の位置を示し、ｔ軸を時間軸として設定している。したがって、他車両および自車両の予測進路は（ｘ，ｙ，ｔ）座標で示すことができ、自車両および他車両の各進路をｘｙ平面に投影して得られる軌跡が、自車両が実際に走行した進路、および他車両が走行すると予測された予測進路の道路上の走行軌跡となる。   Now, examples of the predicted course of the other vehicle and the actual course of the host vehicle obtained in step S12 and step S13 are represented by the three-dimensional space shown in FIG. In the three-dimensional space in FIG. 7, the position of the vehicle is shown on the xy plane indicated by the x axis and the y axis, and the t axis is set as the time axis. Therefore, the predicted courses of the other vehicle and the host vehicle can be indicated by (x, y, t) coordinates, and the trajectory obtained by projecting each course of the host vehicle and the other vehicle on the xy plane This is a travel locus on the road of the travel route and the predicted travel route predicted by the other vehicle to travel.

このようにして、予測した自車両および他車両の予測進路を図７に示す空間にあらわすことにより、三次元時空間の所定の範囲内に存在する複数の車両（自車両および他車両）がとりうる予測進路の集合からなる時空間環境が形成される。図７に示す時空間環境Ｅｎｖ（Ｍ，Ｈ）は、自車両Ｍの実現進路および他車両Ｈの予測進路の集合であり、自車両Ｍの実現進路{Ｍ（ｎ１）}および他車両Ｈの予測進路集合{Ｈ（ｎ２）}からなる。より具体的には、時空間環境（Ｍ，Ｈ）は、自車両Ｍおよび他車両Ｈが高速道路のような平坦かつ直線状の道路Ｒを＋ｙ軸方向に向かって移動している場合の時空間環境を示すものである。ここでは、他車両の予測進路を求めるにあたり、自車両Ｍと他車両Ｈとの相関は考慮せずに自車両Ｍと他車両Ｈごとに独立して予測進路を求めているため、両者の予測進路が時空間上で交差することもある。   In this way, the predicted courses of the subject vehicle and other vehicles are represented in the space shown in FIG. 7, so that a plurality of vehicles (own vehicle and other vehicles) existing within a predetermined range of the three-dimensional space-time can be taken. A spatiotemporal environment consisting of a set of possible prediction paths is formed. The spatiotemporal environment Env (M, H) shown in FIG. 7 is a set of the actual course of the own vehicle M and the predicted course of the other vehicle H, and the actual course {M (n1)} of the own vehicle M and the other vehicle H It consists of a predicted course set {H (n2)}. More specifically, the spatiotemporal environment (M, H) is when the host vehicle M and the other vehicle H are moving in a + y-axis direction on a flat and straight road R such as an expressway. It shows the spatial environment. Here, when the predicted course of the other vehicle is obtained, the predicted course is independently obtained for each of the own vehicle M and the other vehicle H without considering the correlation between the own vehicle M and the other vehicle H. Paths may intersect in space and time.

こうして、自車両Ｍの実現進路および他車両Ｈの予測進路を求めたら、自車両Ｍと他車両Ｈとが衝突していたことを自車両Ｍが許容していた確率を求める。いま、自車両Ｍの実現進路と他車両Ｈの予測進路が交差する場合には、自車両Ｍと他車両Ｈとが衝突することとなるが、自車両Ｍおよび他車両Ｈの予測進路は所定の挙動選択確率基づいて求められるものである。したがって、複数の他車両Ｈの予測進路のうち、自車両Ｍの予測進路と交差するものの数によって自車両Ｍと他車両Ｈとの衝突確率とすることができる。たとえば、他車両Ｈの予測進路を１０００本算出した場合、そのうちの５本が自車両Ｍの予測進路と交差する場合には、０．５％の衝突確率（衝突可能性）ＰＡがあるとして算出することができる。逆にいうと、残りの９９．５％が自車両Ｍと他車両Ｈとが衝突しない確率（非衝突可能性）とすることができる。 Thus, when the actual course of the own vehicle M and the predicted course of the other vehicle H are obtained, the probability that the own vehicle M has allowed the own vehicle M and the other vehicle H to collide is obtained. Now, when the actual course of the own vehicle M and the predicted course of the other vehicle H intersect, the own vehicle M and the other vehicle H will collide, but the predicted course of the own vehicle M and the other vehicle H is predetermined. It is obtained based on the behavior selection probability. Therefore, the collision probability between the own vehicle M and the other vehicle H can be determined by the number of the predicted courses of the other vehicle H that intersect the predicted course of the own vehicle M. For example, the case of 1000 calculates a predicted route of the vehicle H, if five of which intersects the predicted course of the vehicle M is 0.5% chance of a collision (collision possibility) P A Can be calculated. In other words, the remaining 99.5% can be a probability that the own vehicle M and the other vehicle H do not collide (non-collision possibility).

また、他車両Ｈとして、複数の他車両が抽出されている場合には、複数の他車両のうち少なくとも１台と衝突することを許容する衝突確率ＰＡは下記（１）式によって求めることができる。 Further, as the other vehicle H, when a plurality of other vehicles are extracted, the collision probability P A that allows to collide with at least one of the plurality of other vehicles be determined by the following equation (1) it can.

Figure 2008310758
Figure 2008310758

ここで、ｋ：抽出された他車両の数
ＰＡｋ：ｋ番目の車両と衝突する確率
このように、他車両Ｈの予測進路を複数算出して、この複数の予測進路を用いて自車両Ｍと他車両Ｈとの衝突可能性を予測することにより、他車両が取りえる進路を広く計算していることになる。したがって、交差点などの分岐がある場所で事故などが発生した場合のように、他車両の進路に大きな進路の変更がある場合も考慮に入れて衝突確率を算出することができる。 Here, k: number of other vehicles extracted P A k: probability of collision with the kth vehicle In this way, a plurality of predicted routes of the other vehicle H are calculated, and the own vehicle is calculated using the plurality of predicted routes. By predicting the possibility of collision between M and the other vehicle H, the routes that the other vehicle can take are widely calculated. Accordingly, the collision probability can be calculated taking into account the case where there is a large change in the course of another vehicle, such as when an accident occurs at a place where there is a branch such as an intersection.

こうして自車両と他車両との衝突確率を求めたら、最善自車両進路衝突確率算出部２８において、自車両が移動することが可能となる可能進路のうち、他車両との衝突確率が最も低い進路である最善自車両進路を選択する（Ｓ１７）。最善自車両進路衝突確率算出部２８では、障害物可能進路算出部２２から出力された障害物進路情報に基づく複数の他車両の予測進路と、自車両可能進路算出部２６から出力される自車両可能進路情報に基づく複数の自車両の可能進路とを比較することにより最善自車両進路を選択する。   When the collision probability between the own vehicle and the other vehicle is obtained in this way, the best own vehicle route collision probability calculating unit 28 has the lowest collision probability with the other vehicle among the possible routes in which the own vehicle can move. The best own vehicle course is selected (S17). In the best own vehicle course collision probability calculation unit 28, the predicted courses of a plurality of other vehicles based on the obstacle course information output from the obstacle possible course calculation unit 22 and the own vehicle output from the own vehicle possible course calculation unit 26. The best own vehicle route is selected by comparing with possible routes of a plurality of own vehicles based on the possible route information.

いま、ステップＳ１２で求めた他車両の予測進路およびステップＳ１４で求めた自車両の実現進路の例を図８に示す三次元空間によって現す。図８に示す時空間環境Ｅｎｖ（Ｍ，Ｈ）は、自車両Ｍの可能進路および他車両Ｈの予測進路の集合であり、自車両Ｍの可能進路集合{Ｍ（ｎ１）}および他車両Ｈの予測進路集合{Ｈ（ｎ２）}からなる。   Now, an example of the predicted course of the other vehicle obtained in step S12 and the actual course of the host vehicle obtained in step S14 are represented by the three-dimensional space shown in FIG. The spatiotemporal environment Env (M, H) shown in FIG. 8 is a set of possible courses of the own vehicle M and predicted courses of the other vehicle H. The possible course set {M (n1)} of the own vehicle M and the other vehicle H Of the predicted course set {H (n2)}.

これらの自車両Ｍの可能進路集合および他車両Ｈの予測進路集合から、各自車両の可能進路を自車両Ｍが移動した際のそれぞれについて、自車両Ｍが他車両Ｈと衝突していたことを自車両Ｍが許容していた確率を求める。自車両Ｍが他車両Ｈと衝突していたことを自車両Ｍが許容していた衝突確率ＰＡは、上記（１）式によって求めることができる。 From the possible course set of the own vehicle M and the predicted course set of the other vehicle H, it is confirmed that the own vehicle M collided with the other vehicle H for each time the own vehicle M moved along the possible course of each own vehicle. The probability that the host vehicle M has allowed is obtained. Collision probability P A of that vehicle M had collided with another vehicle H vehicle M had acceptable can be determined by the above equation (1).

こうして、自車両Ｍの複数の可能進路についてそれぞれ衝突確率ＰＡを求めたら、最も衝突確率が低い可能進路を最善自車両進路として選択する。また、最善自車両進路衝突確率算出部２８は、選択した最善自車両進路における衝突確率を最善自車両進路衝突確率として算出し、最善自車両進路衝突確率情報として自車両危険度算出部２９に出力する。 Thus, after each determined collision probability P A plurality of possible tracks of the vehicle M, to select the most collision probability it can lower course as the best vehicle track. Also, the best own vehicle course collision probability calculating unit 28 calculates the collision probability in the selected best own vehicle course as the best own vehicle course collision probability and outputs the best own vehicle course collision probability information to the own vehicle risk calculating unit 29. To do.

実現進路衝突確率を算出したら、自車両危険度算出部２９において、自車両危険度を算出する（Ｓ１８）。自車両危険度算出部２９では、実現進路衝突確率算出部２７から出力された実現進路衝突確率情報に基づく実現進路衝突確率と、最善自車両進路衝突確率算出部２８から出力された最善自車両進路衝突確率との乖離度に基づいて、自車両危険度Ｒｃｕｒを算出する。ここでの自車両危険度Ｒｃｕｒは、実現進路衝突確率と最善自車両進路衝突確率との比によって求められ、実現進路衝突確率と最善自車両進路衝突確率との比が１に近いほど自車両危険度Ｒｃｕｒが低いことになる。こうして、自車両危険度Ｒｃｕｒを算出する。   When the actual course collision probability is calculated, the host vehicle risk calculation unit 29 calculates the host vehicle risk (S18). The own vehicle risk calculation unit 29 realizes the actual course collision probability based on the actual course collision probability information output from the actual course collision probability calculation unit 27 and the best own vehicle course output from the best own vehicle course collision probability calculation unit 28. Based on the degree of deviation from the collision probability, the host vehicle risk Rcur is calculated. The own vehicle risk degree Rcur is obtained by a ratio of the actual course collision probability and the best own vehicle course collision probability. The closer the ratio of the actual course collision probability and the best own vehicle course collision probability is to 1, the more the own vehicle danger The degree Rcur will be low. Thus, the own vehicle risk level Rcur is calculated.

図３に示すフローに戻り、衝突確率算出部１０において自車両危険度Ｒｃｕｒを算出したら、統計処理部１２において積算危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）を算出する（Ｓ４）。積算危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）は、データベース読込部１１から出力された記憶危険度Ｒｄｂ（ｘ，ｙ，ｔ）に対して、衝突確率算出部１０から出力された自車両危険度Ｒｃｕｒを積算する下記（２）式を用いて算出される。   Returning to the flow shown in FIG. 3, when the collision probability calculation unit 10 calculates the own vehicle risk level Rcur, the statistical processing unit 12 calculates the integrated risk level Rnew (x, y, t) (S4). The cumulative risk Rnew (x, y, t) is the own vehicle risk Rcur output from the collision probability calculation unit 10 with respect to the storage risk Rdb (x, y, t) output from the database reading unit 11. Is calculated using the following equation (2).

Ｒｎｅｗ＝αＲｃｕｒ＋（１−α）Ｒｄｂ ・・・（２）
ここで、α：α＜１となる任意の定数
また、ステップＳ２において、複数の記憶危険度Ｒｄｂを取得した場合には、自車両の現在位置・時刻（ｘ，ｙ，ｔ）からもっとも近い地点と、自車両の現在位置（ｘ，ｙ）との離間距離が所定のしきい値を超えていることになる。この場合には、自車両危険度Ｒｃｕｒをそのまま積算危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）とする。こうして、積算危険度Ｒｎｅｗ（ｘ，ｙ，ｔ）を算出する。 Rnew = αRcur + (1-α) Rdb (2)
Here, α: Arbitrary constant satisfying α <1 In addition, when a plurality of storage risk levels Rdb are obtained in step S2, the closest point from the current position / time (x, y, t) of the host vehicle Then, the distance from the current position (x, y) of the host vehicle exceeds a predetermined threshold value. In this case, the own vehicle risk level Rcur is directly used as the integrated risk level Rnew (x, y, t). In this way, the integrated risk Rnew (x, y, t) is calculated.

また、自車両の現在位置・時刻（ｘ，ｙ，ｔ）からもっとも近い地点と、自車両の現在位置・時刻（ｘ，ｙ，ｔ）との離間距離が所定のしきい値を超えており、たとえば４個の記憶危険度Ｒｄｂ１〜Ｒｄｂ４を読み込んだ場合には、自車両危険度Ｒｃｕｒを追加すると同時に、４個の記憶危険度Ｒｄｂ１〜Ｒｄｂ４についての積算を行う。この積算の際の積算量は、自車両危険度Ｒｃｕｒと記憶危険度Ｒｄｂ１〜Ｒｄｂ４のそれぞれの離間距離の絶対差に応じて求められる。   In addition, the distance between the current location / time (x, y, t) of the host vehicle and the current location / time (x, y, t) of the host vehicle exceeds a predetermined threshold. For example, when four storage risk levels Rdb1 to Rdb4 are read, the own vehicle risk level Rcur is added, and at the same time, the four storage risk levels Rdb1 to Rdb4 are integrated. The integrated amount at the time of this integration is obtained according to the absolute difference between the respective separation distances of the own vehicle risk level Rcur and the storage risk levels Rdb1 to Rdb4.

たとえば、図９に示すように、自車両危険度Ｒｃｕｒに近い位置に第２記憶危険度Ｒｄｂ２および第３記憶危険度Ｒｄｂ３があり、第２記憶危険度Ｒｄｂ２より遠い位置に第１記憶危険度Ｒｄｂ１があり、第３記憶危険度Ｒｄｂ３より遠い位置に第４記憶危険度Ｒｄｂ４があったとする。この場合、たとえば下記（３）式に基づいて、第１〜第４積算危険度Ｒｎｅｗ１〜Ｒｎｅｗ４を算出することができる。   For example, as shown in FIG. 9, the second memory risk level Rdb2 and the third memory risk level Rdb3 are located near the own vehicle risk level Rcur, and the first memory risk level Rdb1 is located farther than the second memory risk level Rdb2. Suppose that there is a fourth memory risk level Rdb4 at a position farther than the third memory risk level Rdb3. In this case, for example, the first to fourth cumulative risk levels Rnew1 to Rnew4 can be calculated based on the following equation (3).

Ｒｎｅｗｎ＝βＲｃｕｒ＋（１−β）Ｒｄｂｎ ・・・（３）
ここで、ｎ：１〜４の整数
β：自車両の現在位置・時刻（ｘ，ｙ，ｔ）から遠いほど減少する１未満の係数
したがって、図９に示すように、この例では、第２記憶危険度Ｒｄｂ２から第２積算危険度Ｒｎｅｗ２への増加割合が、第１記憶危険度Ｒｄｂ１から第１積算危険度Ｒｎｅｗ１への増加割合が大きくされている。同様に、第３記憶危険度Ｒｄｂ３から第３積算危険度Ｒｎｅｗ３への増加割合が、第４記憶危険度Ｒｄｂ４から第４積算危険度Ｒｎｅｗ４への増加割合が大きくされている。こうして、複数の記憶危険度Ｒｄｂを取得した場合には、自車両の現在位置・時刻（ｘ，ｙ，ｔ）からもっとも近い地点と、自車両の現在位置・時刻（ｘ，ｙ，ｔ）との離間距離が所定のしきい値を超えている場合には、その周囲の記憶危険度Ｒｄｂ１〜Ｒｄｂ４についての積算危険度Ｒｎｅｗ１〜Ｒｎｅｗ４を算出する。 Rnewn = βRcur + (1-β) Rdbn (3)
Where n is an integer from 1 to 4
β: a coefficient less than 1 that decreases with increasing distance from the current position / time (x, y, t) of the host vehicle. Therefore, as shown in FIG. 9, in this example, the second cumulative risk from the second memory risk Rdb2 The rate of increase to Rnew2 is increased from the first memory risk Rdb1 to the first cumulative risk Rnew1. Similarly, the rate of increase from the third memory risk Rdb3 to the third cumulative risk Rnew3 is increased, and the rate of increase from the fourth memory risk Rdb4 to the fourth cumulative risk Rnew4 is increased. Thus, when a plurality of storage risk levels Rdb are acquired, the closest point from the current position / time (x, y, t) of the own vehicle and the current position / time (x, y, t) of the own vehicle Is greater than a predetermined threshold value, the integrated risk Rnew1 to Rnew4 for the surrounding memory risk Rdb1 to Rdb4 is calculated.

こうして積算危険度Ｒｎｅｗまたは積算危険度Ｒｎｅｗ１〜Ｒｎｅｗ４を算出したら、データベース書込部１３は、算出した積算危険度Ｒｎｅｗまたは積算危険度Ｒｎｅｗ１〜Ｒｎｅｗ４を地図データベース７に書き込む（Ｓ５）。その後、走行支援部８では、地図データベース７に記憶された危険度に基づく走行支援を行う。   After calculating the cumulative risk Rnew or the cumulative risk Rnew1 to Rnew4 in this way, the database writing unit 13 writes the calculated cumulative risk Rnew or the cumulative risk Rnew1 to Rnew4 in the map database 7 (S5). Thereafter, the travel support unit 8 performs travel support based on the risk stored in the map database 7.

このように、本実施形態に係る車両走行支援装置では、自車両の位置を検出するとともに、衝突確率算出部１０において自車両危険度を算出し、この自車両危険度が算出された位置における自車両の危険度を地図データベース７に書き込んでいる。このため、地図データベース７に書き込まれる危険度は、自車両を運転する運転者の技量に応じた危険度となる。したがって、運転者の技量に応じた走行支援を行うことができる。   As described above, the vehicle travel support apparatus according to the present embodiment detects the position of the host vehicle, calculates the host vehicle risk in the collision probability calculation unit 10, and detects the host vehicle at the position where the host vehicle risk is calculated. The risk level of the vehicle is written in the map database 7. For this reason, the risk level written in the map database 7 is a risk level corresponding to the skill of the driver driving the host vehicle. Therefore, driving support according to the skill of the driver can be performed.

また、衝突確率算出部１０では、自車両が取りえた自車両可能進路を複数取得するとともに、複数の可能進路における危険度と自車両の実現進路との乖離度に基づいて自車両の危険度を取得している。このため、自車両の実現進路に基づいて、精度よく自車両の危険度を評価することができる。また、自車両可能進路のうち、最安全進路における危険度との乖離度に基づいて自車両の自車両の危険度を取得することにより、計算にかかる負荷を軽減することができる。   In addition, the collision probability calculation unit 10 acquires a plurality of possible paths of the host vehicle that the host vehicle can take, and calculates the risk of the host vehicle based on the degree of deviation between the risk level in the plurality of possible paths and the actual path of the host vehicle. Have acquired. For this reason, it is possible to accurately evaluate the risk level of the host vehicle based on the actual course of the host vehicle. Moreover, the load concerning calculation can be reduced by acquiring the risk level of the host vehicle of the host vehicle based on the degree of deviation from the risk level in the safest path among the possible paths of the host vehicle.

以上、本発明の好適な実施形態について説明したが、本発明は上記実施形態に限定されるものではない。たとえば、上記実施形態では、衝突確率算出部１０において自車両危険度を求めているが、他の態様によって自車両危険度を求めることもできる。また、上記実施形態では、データベース読込部１１において、自車両の現在位置・時刻（ｘ，ｙ，ｔ）からもっとも近い地点と、自車両の現在位置・時刻（ｘ，ｙ，ｔ）との離間距離が所定のしきい値以下である場合には、自車両の現在位置・時刻（ｘ，ｙ，ｔ）からもっとも近い地点の記憶危険度Ｒｄｂを取得するが、さらにその周囲の複数の記憶危険度Ｒｄｂを取得することもできる。この場合、自車両の現在位置・時刻（ｘ，ｙ，ｔ）からもっとも近い地点と、自車両の現在位置・時刻（ｘ，ｙ，ｔ）との離間距離が所定のしきい値を超える場合と同様、周囲の複数の記憶危険度についても、積算危険度を求めて、書き換える態様とすることができる。   The preferred embodiment of the present invention has been described above, but the present invention is not limited to the above embodiment. For example, in the above embodiment, the own vehicle risk level is obtained by the collision probability calculation unit 10, but the own vehicle risk level can also be obtained by other modes. In the above-described embodiment, the database reading unit 11 separates the closest point from the current position / time (x, y, t) of the own vehicle and the current position / time (x, y, t) of the own vehicle. If the distance is less than or equal to a predetermined threshold, the storage risk Rdb of the nearest point from the current position / time (x, y, t) of the host vehicle is acquired, but a plurality of storage risks around it are also obtained. The degree Rdb can also be acquired. In this case, the distance between the closest point from the current position / time (x, y, t) of the host vehicle and the current position / time (x, y, t) of the host vehicle exceeds a predetermined threshold value. Similarly to the above, it is possible to obtain a cumulative risk level for a plurality of surrounding memory risk levels and rewrite it.

さらに、上記実施形態では、自車両を運転する運転者が特定されている場合に好適な例について説明したが、たとえば複数の運転者が想定される車両については、運転者に応じた地図データベースを作成することもできる。さらに、上記実施形態では、地図データベースを自車両に設けているが、たとえば自車両を離れた基地局や他車両などに地図データベースを設置し、車々間通信などの通信手段によって自車両と他車両や基地局とを結んで危険度を取得する態様とすることもできる。この場合、他車両などとの情報交換を行って危険度を算出することもできる。また、上記各実施形態では、障害物として他車両を想定しているが、たとえば通行人などの生物を想定することもできる。さらに、上記実施形態では、位置・時刻（ｘ，ｙ，ｔ）に対応した記憶危険度Ｒｄｂを算出・記憶・取得しているが、位置（ｘ，ｙ）のみに対応した記憶危険度Ｒｄｂを算出・記憶・取得する態様とすることもできる。この場合、計算にかかる負荷を軽減することができる。さらに、上記実施形態では、記憶危険度Ｒｄｂを取得する際に、位置と時間（ｘ，ｙ，ｔ）に対応した記憶危険度Ｒｄｂを１つ、あるいは複数取得しているが、本発明はこれに限るものではない。たとえば、既に記憶されている記憶危険度Ｒｄｂを、位置と時間（ｘ，ｙ，ｔ）に対して補間（たとえば線形補間やスプライン補間）し、任意の位置と時間（ｘ，ｙ，ｔ）に対応する記憶危険度を生成してもよい。   Furthermore, in the said embodiment, although the example suitable when the driver | operator who drives the own vehicle was specified was demonstrated, the map database according to a driver | operator is used about the vehicle where a several driver | operator is assumed, for example. It can also be created. Furthermore, in the above-described embodiment, the map database is provided in the host vehicle. For example, the map database is installed in a base station or other vehicle away from the host vehicle, and the host vehicle and the other vehicle are connected by communication means such as inter-vehicle communication. It is also possible to connect the base station and acquire the risk level. In this case, the degree of danger can be calculated by exchanging information with other vehicles. Moreover, in each said embodiment, although other vehicles are assumed as an obstruction, living organisms, such as a passerby, can also be assumed, for example. Further, in the above embodiment, the storage risk Rdb corresponding to the position / time (x, y, t) is calculated / stored / acquired. However, the storage risk Rdb corresponding only to the position (x, y) is calculated. It is also possible to adopt a mode of calculating, storing and acquiring. In this case, the calculation load can be reduced. Further, in the above embodiment, when acquiring the memory risk Rdb, one or a plurality of memory risk Rdb corresponding to the position and time (x, y, t) are acquired. It is not limited to. For example, the stored memory risk Rdb is interpolated (for example, linear interpolation or spline interpolation) with respect to the position and time (x, y, t), and at any position and time (x, y, t). A corresponding memory risk may be generated.

車両走行支援装置の構成を示すブロック構成図である。It is a block block diagram which shows the structure of a vehicle travel assistance apparatus. 衝突確率算出部の構成を示すブロック構成図である。It is a block block diagram which shows the structure of a collision probability calculation part. 走行制御装置の処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of a traveling control apparatus. 衝突確率算出部の処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of a collision probability calculation part. 自車両と他車両との走行状態を模式的に示す模式図である。It is a schematic diagram which shows typically the driving state of the own vehicle and another vehicle. 自車両がとりうる走行進路を模式的に示す模式図である。It is a schematic diagram which shows typically the driving | running route which the own vehicle can take. 自車両の予測進路が１本の時空間環境の構成を示すグラフである。It is a graph which shows the structure of the spatiotemporal environment where the prediction course of the own vehicle is one. 自車両の予測進路が複数本の時空間環境の構成を示すグラフである。It is a graph which shows the structure of the spatiotemporal environment where the prediction course of the own vehicle is multiple. 自車両の位置における自車両危険度とその周囲の位置における記憶危険度との関係を示すグラフである。It is a graph which shows the relationship between the own vehicle risk in the position of the own vehicle, and the memory risk in the surrounding position.

符号の説明Explanation of symbols

１…危険度地図作成部、２…障害物センサ、３…障害物抽出部、４…自車両センサ、５…位置センサ、６…タイマ、７…地図データベース、８…走行支援部、１０…衝突確率算出部、１１…データベース読込部、１２…統計処理部、１３…データベース書込部、２１…障害物情報一時記憶部、２２…障害物可能進路算出部、２３…自車両進路記録部、２４…自車両進路読出部、２５…自車両位置読出部、２６…自車両可能進路算出部、２７…実現進路衝突確率算出部、２８…最善自車両進路衝突確率算出部、２９…自車両危険度算出部、Ｒｃｕｒ…自車両危険度、Ｒｄｂ…記憶危険度、Ｒｎｅｗ…積算危険度、Ｅｎｖ…時空間環境、Ｈ，Ｈ１，Ｈ２…他車両、Ｍ…自車両。   DESCRIPTION OF SYMBOLS 1 ... Risk map creation part, 2 ... Obstacle sensor, 3 ... Obstacle extraction part, 4 ... Own vehicle sensor, 5 ... Position sensor, 6 ... Timer, 7 ... Map database, 8 ... Driving support part, 10 ... Collision Probability calculator, 11 ... database read unit, 12 ... statistical processing unit, 13 ... database write unit, 21 ... obstacle information temporary storage unit, 22 ... obstacle possible route calculation unit, 23 ... own vehicle route recording unit, 24 ... own vehicle course reading unit, 25 ... own vehicle position reading unit, 26 ... own vehicle possible course calculation unit, 27 ... realized course collision probability calculation unit, 28 ... best own vehicle course collision probability calculation unit, 29 ... own vehicle risk Calculation unit, Rcur ... own vehicle risk, Rdb ... memory risk, Rnew ... cumulative risk, Env ... spatiotemporal environment, H, H1, H2 ... other vehicles, M ... own vehicle.

Claims (2)

自車両が走行する走行路を記憶する地図データベースと、
前記自車両における衝突の危険度を取得する危険度取得手段と、
前記自車両の現在位置を取得する位置取得手段と、を備え、
前記危険度取得手段で取得された危険度と、この危険度が取得された位置と、を含む位置・危険度データを前記地図データベースに書き込み、
前記地図データベースに記憶された前記位置・危険度データに基づいて、前記自車両の走行を支援することを特徴とする車両走行支援装置。 A map database that stores the travel route on which the vehicle travels;
A risk acquisition means for acquiring the risk of collision in the host vehicle;
Position acquisition means for acquiring the current position of the host vehicle,
Write the position / risk level data including the risk level acquired by the risk level acquisition means and the position where the risk level is acquired to the map database,
A vehicle travel support apparatus that supports travel of the host vehicle based on the position / risk level data stored in the map database. 前記危険度取得手段は、自車両の進路を取得する自車両進路取得手段と、
前記自車両の周辺の障害物の進路を複数取得する障害物進路取得手段と、
前記自車両の進路および前記障害物の複数の進路に基づいて、前記自車両と前記障害物との衝突可能性を取得する衝突可能性取得手段と、を備え、
前記衝突可能性取得手段によって取得された衝突可能性に基づいて、危険度を取得する請求項１に記載の車両走行支援装置。 The risk level acquisition means includes a host vehicle course acquisition means for acquiring a course of the host vehicle,
Obstacle course acquisition means for acquiring a plurality of courses of obstacles around the host vehicle;
A collision possibility acquisition means for acquiring a collision possibility between the host vehicle and the obstacle based on a course of the host vehicle and a plurality of paths of the obstacle;
The vehicle travel support apparatus according to claim 1, wherein the danger level is acquired based on the collision possibility acquired by the collision possibility acquisition unit.
JP2007160445A 2007-06-18 2007-06-18 Vehicle travel support device Active JP4900076B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007160445A JP4900076B2 (en) 2007-06-18 2007-06-18 Vehicle travel support device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007160445A JP4900076B2 (en) 2007-06-18 2007-06-18 Vehicle travel support device

Publications (2)

Publication Number Publication Date
JP2008310758A true JP2008310758A (en) 2008-12-25
JP4900076B2 JP4900076B2 (en) 2012-03-21

Family

ID=40238275

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007160445A Active JP4900076B2 (en) 2007-06-18 2007-06-18 Vehicle travel support device

Country Status (1)

Country Link
JP (1) JP4900076B2 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010267124A (en) * 2009-05-15 2010-11-25 Toyota Motor Corp Environment prediction device
JP2020166510A (en) * 2019-03-29 2020-10-08 日産自動車株式会社 Behavior prediction method, behavior prediction system, and vehicle controller

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6630521B2 (en) * 2014-12-26 2020-01-15 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ Danger determination method, danger determination device, danger output device, and danger determination system

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06215300A (en) * 1993-01-19 1994-08-05 Mitsubishi Electric Corp Dangerous status alarming device
JP2000207691A (en) * 1999-01-12 2000-07-28 Toyota Motor Corp Running controller for vehicle
JP2000242898A (en) * 1999-02-22 2000-09-08 Equos Research Co Ltd Peripheral vehicle notification device
JP2001357496A (en) * 2000-06-14 2001-12-26 Matsushita Electric Ind Co Ltd Traffic accident suppression system and traffic accident suppression method
JP2004012247A (en) * 2002-06-05 2004-01-15 Matsushita Electric Ind Co Ltd Route retrieving apparatus
JP2004118730A (en) * 2002-09-27 2004-04-15 Denso Corp Obstacle information providing device and support system to prevent collision with obstacle
JP2004145479A (en) * 2002-10-22 2004-05-20 Aisin Seiki Co Ltd Device for providing peripheral vehicle information
JP2004203384A (en) * 2004-01-16 2004-07-22 Nissan Motor Co Ltd Driving operation assisting device for vehicle
JP2006154967A (en) * 2004-11-25 2006-06-15 Nissan Motor Co Ltd Risk minimum locus generating device, and dangerous situation warning device using it
JP2007047914A (en) * 2005-08-08 2007-02-22 Denso Corp Danger reaction point recording system and operation support system
JP2007051973A (en) * 2005-08-19 2007-03-01 Denso Corp Danger place information display unit for

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06215300A (en) * 1993-01-19 1994-08-05 Mitsubishi Electric Corp Dangerous status alarming device
JP2000207691A (en) * 1999-01-12 2000-07-28 Toyota Motor Corp Running controller for vehicle
JP2000242898A (en) * 1999-02-22 2000-09-08 Equos Research Co Ltd Peripheral vehicle notification device
JP2001357496A (en) * 2000-06-14 2001-12-26 Matsushita Electric Ind Co Ltd Traffic accident suppression system and traffic accident suppression method
JP2004012247A (en) * 2002-06-05 2004-01-15 Matsushita Electric Ind Co Ltd Route retrieving apparatus
JP2004118730A (en) * 2002-09-27 2004-04-15 Denso Corp Obstacle information providing device and support system to prevent collision with obstacle
JP2004145479A (en) * 2002-10-22 2004-05-20 Aisin Seiki Co Ltd Device for providing peripheral vehicle information
JP2004203384A (en) * 2004-01-16 2004-07-22 Nissan Motor Co Ltd Driving operation assisting device for vehicle
JP2006154967A (en) * 2004-11-25 2006-06-15 Nissan Motor Co Ltd Risk minimum locus generating device, and dangerous situation warning device using it
JP2007047914A (en) * 2005-08-08 2007-02-22 Denso Corp Danger reaction point recording system and operation support system
JP2007051973A (en) * 2005-08-19 2007-03-01 Denso Corp Danger place information display unit for

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010267124A (en) * 2009-05-15 2010-11-25 Toyota Motor Corp Environment prediction device
JP2020166510A (en) * 2019-03-29 2020-10-08 日産自動車株式会社 Behavior prediction method, behavior prediction system, and vehicle controller
JP7277215B2 (en) 2019-03-29 2023-05-18 日産自動車株式会社 Behavior prediction method, behavior prediction device, and vehicle control device

Also Published As

Publication number Publication date
JP4900076B2 (en) 2012-03-21

Similar Documents

Publication Publication Date Title
JP5244787B2 (en) Collision possibility acquisition device and collision possibility acquisition method
CN107042825B (en) Scenario deactivation of lane keeping aid system
JP4450023B2 (en) Own vehicle risk acquisition device
KR101795250B1 (en) Path planning apparatus and method for autonomous vehicle
RU2742213C1 (en) Method to control information on lanes, method of traffic control and device for control of information on lanes
JP5510007B2 (en) Route search device and route guidance system
US20170241794A1 (en) Method and apparatus for predicting vehicle route
CN109477728B (en) Method and device for determining the lateral position of a vehicle relative to a road surface roadway
JP5076592B2 (en) Driver risk acquisition device
CN101641610A (en) System and method for vehicle navigation and piloting including absolute and relative coordinates
CN103026396A (en) Driving assistance device
US20200062243A1 (en) Autonomous parking in an indoor parking facility
JP2005010732A (en) Method for indicating intersection of road
CN102132335A (en) Traveling environment recognition device
US20160039413A1 (en) Method for Determining a Lane Course of a Lane
CN113313933B (en) Lane-based routing system for an autonomous vehicle
JP4899671B2 (en) Traveling track estimation device
CN103256934A (en) Road information providing apparatus
JP2018529954A (en) Method for updating an electronic map of a vehicle
JP4900076B2 (en) Vehicle travel support device
JP4924208B2 (en) Vehicle travel support device
JP4924207B2 (en) Own vehicle risk acquisition device
CN112512885B (en) Driving assisting method and device and automobile
CN111204342B (en) Map information system
JP2005221781A (en) Magnified intersection image display apparatus, navigation system, and magnified intersection image display method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100408

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110930

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20111206

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20111219

R151 Written notification of patent or utility model registration

Ref document number: 4900076

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150113

Year of fee payment: 3